Sie sind auf Seite 1von 211

UNIVERSIDAD IBEROAMERICANA

Estudios con Reconocimiento de Validez Oficial por Decreto Presidencial


del 3 de abril de 1981

APLICACIN DE LA METODOLOGA SEIS SIGMA, EN LA MEJORA


DEL DESEMPEO EN EL CONSUMO DE COMBUSTIBLE DE UN
VEHCULO EN LAS CONDICIONES DE USO DEL MISMO

ESTUDIO DE CASO

Que para obtener el grado de

MAESTRO EN INGENIERA DE CALIDAD


Presenta

JORGE ANTONIO MORALES MACEDO


Director: Dr. Primitivo Reyes Aguilar
Lectora: Dra. Odette Lobato Calleros
Lector: Mtro. Gustavo Torres Lozano

Mxico D. F.

2007

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

DEDICATORIAS

En agradecimiento a Dios Nuestro Seor, por permitirme terminar con


buen xito esta nueva etapa de mi vida acadmica y profesional, as
como, por seguir protegiendo y Bendiciendo a toda mi familia y a mi da
tras da. Gracias Seor Dios.

Gracias a mi querida y amada esposa Luisa Fernanda, por ser la mujer


ideal que me ha apoyado en todos los instantes de nuestra vida
conyugal. Fernanda, sin su inspiracin, tenacidad y sobretodo tu
inmenso amor, no habra sido posible llevar a buen termino este nuevo
reto, este logro, es tuyo y mo como todo lo que hemos hecho juntos,
te amo y te amar siempre.

A mis Hijos Rodrigo Israel, Jsica Ariadna, Laura Elizabeth y Jorge Luis,
por que gracias a su paciencia, ayuda y amor filial, me han demostrado
que desde nuestro hogar se puede dar todo el apoyo moral que un
padre necesita para poder salir avante ante los retos de la vida. Solo
quiero decirles Gracias, por su comprensin durante esos fines de
semana sin paseos ni mucha diversin, lo logramos juntos!!

A mi suegra la Sra. Amalia Aranda Castillo., por su cario de segunda


madre, sus nimos y aliento para que yo siguiera adelante y terminara
con xito este reto acadmico.

A mis padres gueda y Jorge, a mis hermanos Teresa, Elena, Judith,


Rosa y Fernando, por ser mi familia paterna, les dedico esta obra,
esperando que consigan todos sus anhelos y metas.

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

INDICE

Introduccin
Antecedentes
Justificacin
Objetivos
Alcance y trascendencia
Planteamiento del problema
Capitulo 1. Introduccin a la Metodologa Seis Sigma
1.1
1.2
1.3
1.4
1.5

La mtrica de Seis Sigma


Mediciones para Seis Sigma
Clculo de Sigmas del proceso
Diez pasos de Motorola para la mejora de procesos
Las Fases DMAIC de Seis Sigma

Capitulo 2. Fase de Definicin


2.1 Propsito
2.2 Etapas de la fase de Definicin
Capitulo 3. Fase de Medicin
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8

Introduccin
Etapas de la fase de Medicin
Estadstica bsica para la fase de Medicin
Herramientas para la solucin de problemas
Anlisis de los Sistemas de Medicin (R & R)
La Distribucin Normal
Capacidad de procesos normales
Capacidad de procesos no normales

Capitulo 4. Fase de Anlisis


4.1
4.2
4.3
4.4
4.5

Introduccin
Etapas de la fase de Anlisis
Regresin lineal
Cartas Multi Vari
Pruebas de Hiptesis de una poblacin
3

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

4.6 Pruebas de Hiptesis de dos poblaciones


4.7 Anlisis de Varianza de una va (ANOVA)
Capitulo 5. Fase de Mejora
5.1
5.2
5.3
5.4

Introduccin
Etapas de la fase de Mejora
Diseo de experimentos factoriales
El diseo factorial 2K

Capitulo 6. Fase de Control


6.1
6.2
6.3
6.4

Introduccin
Etapas de la fase de Control
Cartas de control
Dispositivos a Prueba de Error

Captulo 7. Caso prctico de aplicacin de la Metodologa Seis Sigma en


la Mejora del Desempeo en el Consumo de Combustible de un Vehculo
en las condiciones de uso del mismo.
7.1 Antecedentes
7.2 Fase de Definicin.7.3 Fase de Medicin.7.4 Fase de Anlisis.7.5 Fase de Mejora.7.6 Fase de Control.-

Carta compromiso del Proyecto


Quin el Cliente? y Cul es su Voz?
Anlisis de problemas encontrados
Diseo de Experimentos propuesto
Mantenimiento de la Mejora

Conclusiones y recomendaciones

Bibliografa

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

INTRODUCCIN
PROLOGO
Este estudio de caso se desarrollo usando como fuente de informacin
las obras de varios autores de reconocido prestigio, as mismo, se uso
como base la tesis del Maestro Lus Rosete, a quien le agradezco su
inapreciable ayuda en el desarrollo de este trabajo.
Para la elaboracin de este trabajo, se procedi a ir describiendo las
diferentes tcnicas estadsticas que pueden ser incluidas en las
diferentes fases de la Metodologa Seis Sigma, se propusieron ejemplos
para la completa comprensin de las herramientas y al final se propuso
la solucin de un caso real mediante el uso de esta metodologa.
ANTECEDENTES
En la actualidad, uno de los mayores retos que enfrentan las empresas
es el de la fuerte competencia dentro de los mercados tanto a nivel local
como a nivel global, como dice Jack Welch: Est abierto al cambio.
Olvide el pasado....Estemos listos para ir ms all. 1
Segn Sergio Novelo, Hace diez aos, en Mxico, todava se vean los
Sistemas de Calidad como algo que solo se meda con ndices
estadsticos. Desde entonces, la Calidad ha ido posesionndose donde
debe. En todos los niveles sociales, ideolgicos y econmicos, siendo al
da de hoy, ya no solamente un anexo en los procesos y productos, sino
tambin, un complemento de la vida misma. 2
Las

organizaciones

de

manufactura

las

instituciones

de

servicio, tienen que ser cada vez ms eficientes es decir, altamente


1
2

Slater, Robert, Mejorar o Ser Vencido!, p 13, Mxico, Editorial Diana, 2003
Novelo Rosado, Sergio A., La Calidad y La Mejora Continua, p 13, Mxico, Editorial Panorama, 2001

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

productivas dada la alta competencia en el mercado global.

De tal

manera que deben forjar una cadena de valor que logre satisfacer
totalmente las necesidades de sus clientes, con Calidad, en el menor
tiempo posible, y a un costo competitivo.
Las oficinas de diseo del producto, tienen el reto de innovar,
modificar y optimizar en el menor tiempo posible sus diseos, para
lanzar nuevos productos rpidamente, an y cuando los productos sean
altamente

complejos.

La

manufactura

experimenta

retos

que

anteriormente eran inimaginables ya que tiene que producir tanto


mayores como menores volmenes de produccin, con mucho menos
recursos, de los que antes destinaba para ello. Las instituciones de
servicio,

tienen que reducir al mximo sus tiempos de entrega e

incrementar la creacin de valor de sus operaciones para lograr la


satisfaccin total de sus clientes.
Las organizaciones productivas de bienes y/o servicios llevan a cabo una
gran variedad de procesos mediante los cuales van incrementando la
cadena de calor a los ojos del cliente. En estos procesos la
"variacin" es un factor que afecta todos y cada uno de dichos procesos,
siendo imperativo el controlarla. El concepto de variacin establece que
no "existen dos artculos que sean perfectamente iguales", la variacin
es un fenmeno de la naturaleza y un hecho en el entorno de cualquier
tipo de organizacin, por ejemplo el rendimiento de combustible entre
un vehculo y otro de las "mismas" caractersticas y capacidades; el
dimetro de un cilindro de un monoblock de un motor vara de una
medida a otra en el mismo motor, el contenido del lquido de refresco
vara de una botella a otra y el tiempo requerido para asignar un asiento
en el mostrador de registro de una lnea area vara de un pasajero a
otro. Si ignoramos la existencia de la variacin (o si suponemos que
sta es pequea), se pueden llegar tomar decisiones incorrectas sobre
6

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

problemas importantes, lo cual impactara en la calidad de los productos


incidiendo esto en la satisfaccin de los clientes finales.
A lo largo del devenir del tiempo, las tcnicas para mejorar la calidad
han ido evolucionando paulatinamente; en un principio la calidad se
detectaba y "controlaba", mediante inspecciones finales de los
productos (siglo XIX), aquellos productos que estaban dentro del rango
de especificaciones eran aceptados, los que no, se rechazaban, teniendo
que ser reprocesados o desechados (scrap). 3
Este sistema de controlar la calidad, tiene varios inconvenientes: el
primero, es tener que estar reprocesando una gran cantidad de artculos
defectuosos, el segundo, es el tener que "tirar" piezas ya producidas, el
tercero es que a pesar de la inspeccin por muy rigurosa que sea, llega
a permitir que productos en mal estado lleguen a las manos del
consumidor final debido a que la inspeccin final de manera visual no es
confiable y por ltimo y no por esto menos grave, el incrementar de
forma alarmante el Normal Oparating Cost 4 al aadir operaciones que
no agregan valor al producto. En todos estos casos la probabilidad de
incurrir en costos de calidad 5 y de imagen ante el cliente es muy alta.
Para eliminar prdidas econmicas que generaban los desperdicios y
buscando mejorar la calidad de los productos y servicios han surgido
una serie de nuevas ideas y metodologas.
Durante la Segunda Guerra Mundial Walter Shewhart y Dodge Romig en
la Western Electric de la Bell Telephone desarrollaron el Control
Estadstico de Procesos (CEP) 6 , enfocado al control de los procesos

Scrap: Desecho por su traduccin al idioma espaol


Normal Operating Cost: Costo normal de produccin, por su traduccin al espaol
5
Campanella, Jack, Principios de los Costes de Calidad, pp 22-38, Espaa. Editorial Daz de Santos. 2002
6
Brassard, Michael, Six Sigma Memory Jogger II, pp 77-94, E. U. A. Editorial Goal/QPC. 2002
4

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

por medio de la aplicacin de mtodos estadsticos para la reduccin de


la variacin y en los niveles de inspeccin.
En la dcada de los cincuenta surge el Aseguramiento de la Calidad,
en el Departamento de Defensa de los EUA y Gran Bretaa, aqu, se ve
la necesidad de involucrar a todos los departamentos de la planta en el
diseo, planeacin y ejecucin de polticas de calidad.
En la dcada de los noventa surge la Administracin Estratgica por
Calidad Total, con enfoque al mercado y a la satisfaccin de las
necesidades del consumidor, reconociendo el efecto estratgico de la
calidad en el proceso de competitividad. 7
En los noventa, Motorola, Inc., de EUA desarroll una metodologa
llamada SIX SIGMA, 8 el cual consta de las fases DMAIC 9 por sus siglas
en ingls, para la solucin de problemas, basndose en la aplicacin de
tcnicas estadsticas (bsicas y avanzadas), para reducir la variacin de
los procesos al mximo posible.
Seis Sigma, ha mejorado las ganancias de las empresas hasta en un
20% ao tras ao 10 , engloba tcnicas de Control Estadstico de
Procesos, el Despliegue de la funcin de calidad (QFD), el Anlisis del
Modo y Efecto de la Falla, Ingeniera de calidad de Taguchi, entre otras;
siendo una slida alternativa para mejorar los procesos y por lo tanto,
lograr la satisfaccin total de los clientes.
Entre las principales ventajas de esta metodologa se encuentran las
siguientes: contiene una serie de pasos disciplinados para llevar a cabo
la implementacin en cualquier tipo de empresa, tanto de manufactura
como

de

operaciones

transaccionales,

las

herramientas

que

la

Ishikawa, Kaoru, Qu es el Control Total de la Calidad?, pp 106-110, Mxico, Editorial Norma, 1985
Six Sigma: es un nombre registrado por Motorola Inc., en E. U. A.
9
DMAIC: Define Measure Analyze Improve Control = Definir, Medir, Analizar, Mejorar y Controlar
10
Harry, Mikel, Six Sigma Breakthpugh Management Strategy, pp 1-2, E. U. A, Editorial Currency. 2000
8

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

conforman pueden ser utilizadas por usuarios de diferentes reas del


conocimiento y niveles jerrquicos dentro de la organizacin; representa
un desafo para las empresas que lo llevan a cabo ya que la meta es
alcanzar un nivel de variacin mnimo.9
Se usa el trmino SIGMA es una letra del alfabeto griego () para
describir el nivel de desempeo de una unidad productiva o un proceso
particular, la medida que comnmente se utiliza es: defectos por
unidad. Un nivel de calidad sigma "Alto" significa que los defectos tienen
menores posibilidades de ocurrir, mientras que uno nivel

de sigma

"Bajo", tendr mayor probabilidad de presentarse. El nivel Seis Sigma


(6) significa que se encontrarn nicamente 3.4 defectos por cada
milln de unidades producidas considerando la capacidad de los
procesos en el largo plazo.9
La Metodologa Seis Sigma involucra una medida, para determinar el
grado en que los diferentes procesos logran sus metas, adems ofrece
varias estrategias para realizar las mejoras a dichos procesos.
La aplicacin de sta tcnica en todas las funciones de la empresa,
conlleva a un alto nivel de calidad a bajos costos y con una reduccin en
los tiempos ciclo de las operaciones que agregan valor; resultando con
todo esto, alta rentabilidad y ventaja competitiva del negocio.
Es importante que la administracin se enfoque en los problemas que
estn ocultos, por ejemplo: las horas extra para corregir errores, errores
en documentacin, la prdida de oportunidad de produccin, imagen
ante el cliente, exceso de inventario y no solamente en los que saltan a
la vista, como: los re-procesos, rechazos, reclamaciones por parte de los
clientes. Es importante tener un plan perfectamente definido para
alcanzar el xito al implementar proyectos de mejora.

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Seis Sigma es una estrategia de negocios, implantada por General


Electric (GE), Sony, y Allied Signal, con la cual, han obteniendo grandes
beneficios, tanto estratgicos, como econmicos.
Seis Sigma se caracteriza por la continua y disciplinada aplicacin de
una estrategia de "proyecto por proyecto" tal como lo recomienda
Joseph

Juran

en

su

triloga

de

la

calidad,

los

proyectos

son

seleccionados mediante estrategias clave de negocios, lo cual conduce a


recuperar la inversin realizada y obtener mayores mrgenes de
utilidad. La gente que lidera los proyectos de Seis Sigma son
comnmente llamados: Black Belts y Green Belts 11 .
Usar Seis Sigma en piso implica
organizacin",

"Cambiar la cultura de la

ya que se fomenta el trabajo en equipo para la

solucin de problemas,

se mejora la comunicacin, aumenta el grado

de confianza y seguridad en los individuos para realizar el trabajo, de


esta manera se rompe la resistencia al cambio para poder ser ms
ambiciosos y alcanzar as, metas cada vez ms desafiantes.
Como ejemplos de los beneficios que han obtenido algunas empresas
que han utilizado la Metodologa Seis Sigma tenemos los siguientes:

En la divisin de Sistemas Mdicos de GE, la implementacin de la


metodologa, provoc que se incrementara diez veces la vida de un
scanner (lector) de rayos-X, aumentando el grado de confiabilidad y
rentabilidad del equipo, as como el nivel de atencin a los pacientes.

En plsticos GE despus de un riguroso esfuerzo del equipo de


trabajo, obtuvo trescientos millones de libras en capacidad (peso),
equivalente a una nueva planta, se ahorraron $400 millones de
dlares tan solo en inversin.

11

Black Belt y Green Belt son nombres registrados por Motorola Inc., en E. U. A.

10

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Lockheed Martn,

usaba doscientas horas de trabajo tratando de

fabricar una parte para que el tren de aterrizaje de un jet ajustar


correctamente. El personal aport grandes ideas durante mucho
tiempo, sin embargo el problema no se solucionaba. Con el uso de
esta tcnica, se detect que la parte se desviaba por una milsima de
pulgada. Ahora que se ha corregido el problema la compaa ahorra
$14,000 dlares por cada jet fabricado.

JUSTIFICACION
La Metodologa Seis Sigma es una herramienta disciplinada que sirve
para mejorar la calidad de los procesos, productos y servicios, dando
mayor rentabilidad y crecimiento al negocio. Esta metodologa puede ser
usada en todas las reas que componen la organizacin y no solamente
a un departamento especfico como el de calidad. La bibliografa es
demasiado compleja y el lenguaje en algunos casos resulta difcil de
entender, por los trminos y conceptos de estadstica que se usan. Por
lo anteriormente expuesto, este trabajo

mostrar la aplicacin de la

metodologa en un proyecto de mejora real.

OBJETIVOS
Objetivo general:
El objetivo general de este Caso de Estudio es el de mostrar un caso
prctico de aplicacin de la METODOLOGA SEIS SIGMA que evidencie
en forma clara y concisa los pasos a seguir para la solucin de un
problema real planteado; servir como una gua que facilite la
comprensin de aplicacin de los diferentes mtodos y herramientas
estadsticas para la mejora de la calidad al lector de este trabajo.

11

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Objetivos especficos:

Mostrar como se pueden utilizar paquetes estadsticos para reducir el


tiempo de desarrollo de los proyectos.

Se pretende que este trabajo sea una gua, tanto para la capacitacin
como para la consulta, de aquellos que implementen proyectos de
mejora bajo la Metodologa Seis Sigma.

Lograr que las empresas cambien su mind set 12 y as logren


adoptar esta herramienta para el manejo de problemas, de forma
cotidiana.

Incentivar en el ambiente industrial mexicano el deseo de la mejora


continua expandiendo as sus fronteras comerciales a nivel mundial. 13

ALCANCE Y TRASCENDENCIA
Este Caso de Estudio servir como base de consulta a aquellas personas
que tienen la responsabilidad de resolver problemas de calidad y realizar
proyectos de mejora, basndose en la Metodologa Seis Sigma,
logrando con esto la mejora de los procesos de produccin de bienes y
servicios, sin embargo, en estricta teora no es un proyecto de Seis
Sigma, ya que, aunque est enfocado a garantizar la satisfaccin del
cliente (reduccin del gasto de combustible y por ende ahorro de
recursos econmicos del mismo), adems de que est alineado a la
estrategia de negocio (posicionamiento de la empresa automotriz como
una de las empresas preocupadas por la reduccin de las emisiones
contaminantes al aire), no est dirigido a un proceso clave del negocio

12

Mind set: Fijacin en la mente por su traduccin al espaol


Enrquez Cabot, Juan. El Reto de Mxico: Tecnologa y Fronteras en el Siglo XXI, pp 25-28, Mxico,
Editorial Planeta, 2000
13

12

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

(proceso productivo). Por est ltima razn, nuestro proyecto no es un


proyecto completo de Seis Sigma.
An y cuando nos es un proyecto total de Seis Sigma, ser posible que
aquellas personas de otras disciplinas del saber, o con poca instruccin
acadmica (secundaria o preparatoria) puedan familiarizarse con la
aplicacin de los mtodos estadsticos avanzados, para mejorar de la
calidad de cualquiera de los procesos de negocio en cualquier empresa,
aumentando con esto, los niveles de rentabilidad y crecimiento de sus
negocios, ya que el uso de la Metodologa Seis Sigma, tiene un impacto
altamente positivo en la reduccin de los costes de calidad para la
sociedad en su conjunto.

PLANTEAMIENTO DEL PROBLEMA


Al igual que ayer, hoy se requiere que el aprovechamiento de los
recursos naturales sea el mximo posible, el agua es uno de estos
recursos que siempre es y ser vigilado, debido a la trascendencia que
tiene para la supervivencia humana. Otro recurso natural que por su
escasez y su muy lenta renovacin (miles o hasta millones de aos),
proveniente de residuos fsiles es EL PETROLEO, del cual se deriva uno
de los combustibles ms usados para el trasporte motorizado, el cual
es: LA GASOLINA.

14

El lograr el ptimo aprovechamiento de este combustible cada vez ms


escaso, es el fundamento del presente Caso de Estudio. El incremento
en el desempeo en millas por galn, de los vehculos que usan este
hidrocarburo es el objetivo de este trabajo.

14

Gasolina, http://tq.educ.ar/tq03028/html/naftas.htm Fecha de consulta 16 marzo 2007, 9:00hrs.

13

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Las compaas automotrices, tienen varios segmentos a los cuales


destinan sus esfuerzos de produccin, estos son:
a) Autos sub compactos
b) Autos compactos
c) Autos familiares
d) Autos deportivos
e) Autos de lujo y
f) Autos de sper lujo
El presente caso de estudio se enfocar en el segmento de Autos de
lujo, dentro de los cuales se encuentran aquellos que ocupan motores V8, con capacidad volumtrica de 4.2 Litros; esto es, son vehculos con
una fuerte inclinacin al consumo de combustible, siendo aqu, donde el
equipo de trabajo dedicar sus esfuerzos de reduccin de los ndices de
consumo de combustible por milla recorrida. 15
El uso de la Estadstica para el mejoramiento de la calidad en este caso
el rendimiento de combustible, en la mayora de los casos no ha sido
difundido a todas las reas de las empresas, principalmente por que no
se conocen los beneficios que se pueden obtener, en el manejo y
anlisis de informacin y debido a que existe una cantidad de
deducciones y frmulas matemticas, que solo son conocidas por
aquellas personas que son especialistas en la materia.
La mayora de los ingenieros se han enfocado en aspectos meramente
tcnicos, dejando a un lado las tcnicas de medicin y anlisis de
informacin

proporcionados por la Estadstica, siendo que en

la

15

Optimizacin de las condiciones de rendimiento en el motor


http://motor.terra.es/motor/articulo/html/mot25961.htm fecha de consulta 18 de marzo 2007 18:12 hrs.

14

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

mayora de las veces los problemas pueden ser resueltos mediante la


ayuda de dichas tcnicas.
Para lograr la adecuada implementacin de Seis Sigma se propone que
este trabajo sea una gua que describa paso a paso la aplicacin de la
metodologa Seis Sigma en el mejoramiento de la calidad de los
procesos para la elaboracin de los productos y/o servicios. Es
importante que la implantacin de Seis Sigma sea realizada por
personas que posean liderazgo y adecuado conocimiento del tema,
generalmente estas personas son denominados Black Belts o Green
Belts, que son adems los que pueden conducir equipos de trabajo y
llevar a cabo la administracin de los proyectos de mejora.

HIPTESIS
Con el propsito de dar respuesta al problema y a los objetivos de
investigacin planteados en el presente estudio, se formula la siguiente
hiptesis:
La optimizacin de los parmetros de manejo (velocidad), el
grado de mantenimiento del vehculo (presin de aire en las
ruedas) as como el tipo de combustible usado (nivel de
octanaje) dar como resultado la optimizacin en el consumo de
combustible en el vehculo a gasolina seleccionado.
Por ende habr una reduccin en los gastos de combustible al
usar el vehculo, esto redundar en un ahorro de para el cliente
final (enfoque al cliente)

15

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Este proceso de optimizacin, est alineado a la Estrategia del


Negocio, ya que posicionar a la ensambladora en un lugar
preponderante, en lo que a
Las conclusiones y comentarios a cerca de la hiptesis planteada, sern
presentadas en el captulo 7 de este Estudio de Caso, donde se dar fin
a este trabajo.

16

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

CAPTULO 1. INTRODUCCIN A LA METODOLOGA SEIS


SIGMA
En este capitulo se tratar sobre la mtrica de Seis Sigma, la forma de
obtener y revisar las mediciones de un proyecto, el calculo de la
habilidad de un proceso mediante sigmas (habilidad para hacer bien el
proceso), se tratarn los pasos de Motorola para la mejora de los
procesos y por ltimo se mencionaran las fases de la metodologa.
1.1 La mtrica de Seis Sigma
El nivel sigma, es utilizado comnmente como medida dentro de la
Tcnica Seis Sigma, incluyendo los cambios o movimientos tpicos de

1.5 de la media (concepto que ser explicado ms adelante). Las


relaciones de los diferentes niveles de calidad sigma no son lineales, ya
que para pasar de un nivel de calidad a otro, el porcentaje de mejora
del nivel de calidad que se tiene que realizar no es el mismo, cuando
avanzamos a un nivel mayor el porcentaje de mejora ser ms grande.
La tabla1.1 , muestra el factor de mejora requerido para cambiar de un
nivel sigma a otro de mayor nivel.
Tabla 1.1 Factores de Mejora
Nivel actual

Cambio

Factor de mejora requerido

30x

40x

10x

Realizando un comparativo del nivel de calidad sigma de varias


empresas se determin

que el promedio de stas se encuentra en el

nivel 4 , Las empresas con nivel 6

son denominadas de Clase

17

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Mundial. El objetivo de la implementacin Seis Sigma es precisamente


convertirse en una empresa de Clase Mundial.
En la figura 1.1, se muestra el concepto bsico de la mtrica de Seis
Sigma,

en

donde

las

partes

deben

de

ser

manufacturadas

consistentemente y estar dentro del rango de especificaciones. La figura


muestra los parmetros de los niveles tres y seis sigma.

Figura 1.1. Se indica el nmero de partes por milln (ppm) que estarn fuera de los lmites de especificacin
usando como lmite el valor de cada desviacin estndar. 16

LSL

U SL

6 5 4 3

Lmite de especificacin

1
2
3
4
5
6

+ 1 + 2 + 3 + 4 + 5 + 6

Porcentaje
68.27
95.45
99.73
99.9937
99.999943
99.9999998

Defectos ppm
317,300
45,500
2,700
63
0.57
0.002

Figura 1.2. Distribucin normal centrada.

16

Forrest W. Breyfogle III, Implementing Six Sigma, p 9 USA John Wiley & Sons Inc., 2001

18

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

En la Figura 1.2, muestra una distribucin normal centrada dentro de los


lmites de especificacin, se tendr solo una porcin de 0.002 ppm.
La variacin a lo largo del tiempo en el centrado del proceso provoca
que la media de la distribucin tenga un desplazamiento

1.5 para

Motorola, (esto no aplica para todas las empresas), ver la Figura 1.3.
Esto proporciona una idea real de la capacidad del proceso a travs de
varios ciclos de manufactura en el tiempo, el desplazamiento puede ser
en direccin positiva o negativa, pero nunca en ambas direcciones 17
-1.5 +1.5

LSL

6 5 4

2 1

+ 1

USL

+ 2

+ 3

+ 4 + 5 + 6

Figura 1.3 Distribucin normal descentrada 1.5

En la Tabla 1.2, se muestra una medida que describe el grado en el cual


el proceso cumple con los requerimientos es la Capacidad del
Proceso. Los ndices utilizados son Cp y Cpk.
Un nivel Seis Sigma tiene la habilidad de lograr ndices de 2.0 y 1.5
respectivamente. Para lograr esta capacidad la meta a alcanzar es, el
producir al menos 99.99966% piezas o productos con calidad, no ms
de 3.4 defectos en un milln de piezas o productos producidos en el
largo plazo.

17

Juran, J. M. Anlisis y planeacin de la calidad. Mc. Graw Hill, 1995 pp. 397

19

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

L m i te de e s pe c i fi c a c i n

1
2
3
4
5
6

P o r c e n ta je
3 0 .2 3

D e fe c to s ppm
6 9 7 ,7 0 0

6 9 .1 3

3 0 8 ,7 0 0

9 3 .3 2

6 6 ,8 1 0

9 9 .3 7 9

6 ,2 1 0

9 9 .9 7 6 7

233

9 9 .9 9 9 6 6

3 .4

Tabla 1.2 Porcentajes y cantidad de defectos a los que corresponden los diferentes
niveles Sigma

1.2 Mediciones para Seis Sigma


La mejora de las mtricas tiene un impacto muy significante en los
resultados del negocio, al reducir la oportunidad de tener defectos. Es
de suma importancia medir la capacidad del proceso en trminos
cuantificables y monitorear las mejoras a travs del tiempo.
La letra griega Sigma (), representa la desviacin estndar poblacional
de un proceso de manufactura o de servicio, siendo la dispersin de
cada uno de los datos poblacionales alrededor de la media poblacional.
Seis Sigma es una metodologa, enfocada a la mejora de los procesos,
reduciendo primeramente su variacin y despus, mantenindolos en el
valor objetivo o lo ms cerca posible de l.
Definiciones bsicas 18 :

Unidad (U): Es un lote de artculos producidos o procesados, que esta

sujeto a una auditoria de calidad.

Defecto (D): Cualquier evento que no cumpla la especificacin de una

CTQ (la cual es definida por el cliente).

Defectuoso: Es una unidad producida que tiene uno o ms defectos.

18

Forrest W. Breyfogle III. Implementing Six Sigma, p11, U S A, Ed. John Wiley & Sons, Inc., p11, 1999

20

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Defectos por unidad (DPU): Es la cantidad de defectos en un

producto, se calcula mediante la siguiente frmula:

DPU =

D
U

(1.1)

Oportunidad de defectos (O): Es cualquier atributo o especificacin

que pueda apreciarse o medirse y que ofrezca una oportunidad de no


satisfacer un requisito del cliente (CTQ).

Defectos por oportunidad (DPO):

DPO =

D
U O

(1.2)

Defectos por milln de oportunidades (DPMOs): Es el nmero de

defectos encontrados en un lote de inspeccin, afectado por el nmero


de oportunidades para ofrecer un defecto, en un milln de unidades.

DPMO' s =

D
x1000000
U O

(1.3)

Capacidad del proceso: Es el nivel de actuacin de un proceso para

cumplir especificaciones o requerimientos del cliente.

Rendimiento estndar o de primera pasada YFT: Es el porcentaje de

producto y / o servicios, sin defectos.

Rendimiento al final o de ltima pasada: YLT: Es el porcentaje de

producto sin defectos despus de realizar la revisin del trabajo.


1.3 Clculo de los Sigmas del proceso.
Ejemplo 1.1
En la tabla 1.2, se muestra un proceso de manufactura de mesas tiene
cuatro subprocesos: fabricacin de patas, bastidor, cubierta y pintura.
Se toman los datos de 1510 mesas fabricadas y se observa la siguiente
informacin. Calcule el Sigma del proceso.

21

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo


Subproceso

Defectos

Oportunidades/ Unidad

Patas

212

17

Bastidor

545

Cubierta

71

Pintura

54

Totales:

882

32

Tabla 1.3 Proceso de manufactura

Nmero de unidades procesadas = 1510


Nmero total de defectos

Defectos por oportunidad (DPO) =

882

D
882
=
= 0 . 0182
N O 1510 32

DPMO = 0.0182 X 1, 000, 000= 18,253

De la tabla de conversin de sigma determinamos el valor que ms se


acerque a 18,253 siendo este: sigma () = 3.6
Rendimiento de primera pasada (YFT) y ltima pasada (YLP)
El nmero de defectos puede medirse antes o despus de que se
detecten o corrijan stos. Los resultados se miden en porcentaje (%) y
el nmero de efectos en defectos por oportunidad (DPO) o defectos por
milln de oportunidades (DPMOs). Observemos la figura 1.4:
SUBPROCESO

N articulos con
cero defectos

Trabajo

Hay D1 defectos

Revisar el trabajo

YFP

Subsisten D2 defectos

YLP

Figura 1.4 Subproceso de produccin

Aqu se puede observar la entrada de N artculos con cero defectos, se


realiza un trabajo donde hay D1 defectos, este es el rendimiento a la
primera (YFP), despus se revisa el trabajo y al final subsisten D2
defectos, siendo este el rendimiento en la inspeccin final (YLP).

22

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Ejemplo 1.2
Una planta de productos empaca en una de sus lneas un cierto artculo.
La

produccin

en

un

turno

es

de

5,000

unidades.

Existen

oportunidades de defecto en cada unidad:


-

Mal sellado del empaque

Producto maltratado

Empaque roto

Se encontraron 64 defectos, de los cuales 14 se encontraron antes de


ser enviados a la lnea de empaque final, despus de esto, 50 defectos
todava subsisten. Se pide calcular YFP y YLP.
Rendimiento a la primera YFP

64
= 0.0042
5000 3
DPMOs = 0.0042 X 1, 000, 000 = 4,266.66
DPO =

YFP = 1 - 0.0042 = 0.9958 = 99.58%


Rendimiento en la inspeccin final YLP

DPO =

50
= 0.0033
5000 3

DPMO = 3,333.33

YLP = 1 - 0.0033 = 0.9967= 99.67%


Observamos que el rendimiento en la inspeccin final es mayor que el
rendimiento a la primera.
Rendimiento real o estndar (YRT)
Con esta herramienta se mide la probabilidad

de pasar por todos los

subprocesos sin un defecto, se determina con el producto del resultado


de cada uno de los pasos del proceso:

YFP1 YFP2 YFP3 ......YFPn


Es un rendimiento sensible a pasos y defectos en los pasos.

23

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Ejemplo 1.3
Un proceso con cinco subprocesos tienen los siguientes rendimientos de
salida (throughput por su denominacin en ingls): 0.98, 0.93, 0.95,
0.98 y 0.94. El Rendimiento Estndar YRT= 0.98 x 0.93 x 0.95 x 0.98 x
0.94 = 0.7976, es la probabilidad de que el producto pase sin error.
Rendimiento Normal (YN)
Es el promedio exponencial basado en el nmero de pasos del proceso,
no es un promedio aritmtico.
YN = n YRT , donde n es igual al nmero de pasos en el proceso.

Ejemplo 1.4
En un proceso con 3 pasos tenemos los siguientes YFT:
Paso 1: 80%
Paso 2: 70%
Paso 3: 90%
Calcular YN
Primero calculamos YRT = 0.504
YN = n YRT = 3 0.504 = 79.6%

Variacin a largo plazo vs. Variacin a corto plazo (Zshift)


Largo plazo: son los datos tomados durante un periodo de tiempo
suficientemente largo y en condiciones suficientemente diversas para
que sea probable que el proceso haya a experimentado todos los
cambios y otras causas especiales.
Corto plazo: son datos tomados durante un periodo de tiempo
suficientemente corto para que sea improbable que haya cambios y
otras causas especiales.

24

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Para el clculo de datos a largo plazo a partir de datos a corto plazo


restamos 1.5 s, debido a los desplazamientos que sufre la media
provocados por el cambio natural en los procesos.
ZST = ZLT + 1.5

Donde:

ZBench = ZYN + 1.5

ZST= Z a corto plazo.


ZLT= Z a largo plazo.

YN = Rendimiento Normal
Ejemplo 1.5
Si tenemos un YRT = 0.38057 con 10 operaciones. Determine YN y Zbench
YN = 10 0.38057 = 0.9079
Zbench = 0.9079 + 1.5= 2.4079

Clculo de Sigma en Excel


La sigma del proceso que es la sigma a corto plazo Zst se determina:
MTODO 1:

1. El rendimiento es igual a Yrt = 1 DPU

o Yrt = 1 D / DPO

2. La Z sigma a largo plazo Zlt = distr. norm. estand. inv (Yrt)


3. La Z sigma a corto plazo o Sigma del proceso = Zst = Zlt + 1.5
MTODO 2:

1. Se determina Zlie y Zlse en base a las especificaciones


2. Se determina la fraccin defectiva P(Zlie) y P(Zlse)
3. Con P(Zlie) = distr.norm.estand.inv(Zlie) y P(Zlse) =
distr.norm.estand.inv(-Zlse)
4. La fraccin defectiva total es P(Zt) = P(Zlie) + P(Zlse)
5. El rendimiento se determina con Yrt = 1 P(Zt)
6. La Z sigma a largo plazo Zlt = distr.norm.estand.inv(Yrt)
7. La Z sigma a corto plazo o Sigma del proceso = Zst = Zlt + 1.5

25

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Clculo de Sigma con MINITAB


1. La Z sigmas del proceso a largo plazo en base al rendimiento se
determina como:
Calc > Probability Distributions > Normal
Seleccionar Inverse Cumulative probability Mean 0.0 Estndar deviation 1.0
Input constant valor de Yrt OK,
2.

se obtiene la Zlt de largo plazo.

La Z del proceso se determina con Zst = Zlt + 1.5

Tabla 1.4 Conversin de la Capacidad del Proceso en Sigmas

26

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

1.4 Diez pasos de Motorola para la mejora de procesos


Motorola sugiere una serie de pasos para mejorar el desempeo de los
procesos usando la metodologa Seis Sigma, como se muestra:
1. Priorizar oportunidades de mejora: Conocer y

especificar los

problemas haciendo las siguientes preguntas: cmo, cuando, donde,


por qu y quin. Indicar cual es el impacto al cliente, confiabilidad,
calidad del producto, costos de calidad.
2. Seleccionar el equipo de trabajo adecuado: Seleccionar un
pequeo grupo de gente que conozca el producto / proceso, con la
experiencia, disciplina y conocimiento en el rea. Establecer el rol de
cada miembro, Seleccionar un Champion que ser el encargado de
proporcionar los recursos, conducir y asesorar al grupo.
3. Describir el proceso totalmente: Mediante el uso de diagramas de
flujo mostrar las variaciones del proceso. Incluyendo a la gente, los
mtodos, herramientas, instrumentos de medicin y equipos.
4. Anlisis del desempeo de los sistemas de medicin: Evaluar:
exactitud, repetitibilidad y reproducibilidad, linealidad y estabilidad
del instrumento o indicador usado, para asegurar que la capacidad
del mismo sea la adecuada, ms del 10% de variacin no se permite
para caractersticas crticas o 30% mximo para caractersticas no
crticas. La resolucin del instrumento sea al menos 20 veces mayor
que la magnitud que se va a comparar. Por ejemplo si la tolerancia es
de 10 mm. el medidor debe tener una resolucin o distancia entre
marcas de al menos 0.5 mm.
5. Identificar

describir

los

procesos

productos

potencialmente crticos: Enumerar todos los procesos crticos

27

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

potenciales, mediante el uso de tormentas de ideas, datos histricos,


reportes de rendimiento, anlisis de falla etc.
6. Aislar

verificar

los

procesos

crticos:

Reducir

la

lista

enfocndonos en los pocos vitales, identificar las relaciones de


entrada y salida que provocan problemas especficos. Verificar las
causas potenciales de variacin en los procesos, usando diseo de
experimentos, diagramas de dispersin, y diagramas multivariados.
7. Estudio de el desempeo del proceso y medicin de la
capacidad: Identificar y definir las limitaciones de los procesos.
Asegurar que los procesos sean capaces de alcanzar su mximo
potencial. Determinar las especificaciones reales. Se considera que
un proceso es capaz cuando C p C pk 1.6 , si el proceso es capaz se
contina con el paso 8. , de lo contrario se requiere tomar acciones
de rediseo del proceso o del producto.
8. Implementacin de condiciones de operacin

y control

ptimas: Llevar a cabo un plan permanente de acciones correctivas


para prevenir causas especiales de variacin. Es necesario tener un
proceso

estable

predecible,

por

lo

cual

se

deber

tener

continuamente controles de proceso.


9. Monitoreo de procesos a travs de la mejora continua: Los
sistemas, mtodos, procedimientos debern de ser modificados
cuando sea necesario para evitar las causas especiales de variacin.
Tambin ser necesario identificar las acciones futuras requeridas
para mejorar el proceso.
10.

Reducir causas comunes de variacin para alcanzar Seis

Sigma: Se deben reconocer las limitantes del proceso. Solamente a

28

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

travs de la reduccin o eliminacin de las causas comunes de


variacin, ser posible alcanzar el nivel Seis Sigma.
Figura 1-5 10 pasos de Motorola para la mejora de procesos.
1.

Priorizar oportunidades de mejora

2.

Seleccionar el equipode trabajo adecuado

3.

Describir el proceso en su totalidad

4.

Analisis del desempeo de los sistemas de


medicin

5.

Identificar y describir los procesos y productos


potencialmente crticos

6.

Aislar y verificar los procesos crticos


Accin requerida en el proceso
Estudio de el desempeo del proceso y
medicin de la capacidad

7.

proceso
es capaz

8.

Rediseo de Equipo/proceso
Rediseo de producto
Accin de la Gerencia

proceso
no capaz

Implementacin de condiciones de operacin y


control ptimas
y
y
y
y

9.

y
y
y

objetivos/tolerancias
controles de proceso
Procedimientos para accin preventiiva
Procedimientos para accin correctiva

Monitoreo de procesos atravs de la mejora


continua

Reducir causas comunes de variacin


alcanzando Six Sigma

10.
C p 2. 0 y C pk 1..6

si
MEJORA
CONTINUA

no

29

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

1.5 Las fases DMAIC de la Metodologa Seis Sigma


La metodologa Seis Sigma es un mtodo disciplinado de mejora de los
procesos conformado por las fases siguientes: Definicin, Medicin,
Anlisis, Mejora y Control (DMAIC), como se explican a continuacin:

Definir
Medir
Analizar
Modificar

Volver a
Disear

Mejorar
Control
Figura 1.6 Proceso DMAIC

Resumen
En este capitulo se presentaron a grandes rasgos los pasos a seguir para
la aplicacin de la Metodologa Seis Sigma, se ejemplific el clculo de la
habilidad de los procesos en funcin de las sigmas del proceso y por
ltimo se determino la capacidad del proceso a la primera pasada.

Contenido del Estudio de caso


En el primer captulo se presenta, la mtrica de Seis Sigma, las
Mediciones de Seis Sigma, el clculo del rendimiento del proceso, los 10
pasos de la mejora de Motorola y las fases DMAIC de la Metodologa
Seis Sigma.

30

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

En el segundo captulo se tiene, el propsito y las etapas de la fase de


Definicin
En el tercer captulo se presenta: las etapas de la fase de medicin, la
estadstica bsica, las herramientas para la solucin de problemas, el
anlisis del sistema de medicin, la distribucin Normal y la capacidad
de los procesos normales y No-normales.
El cuarto captulo propone, las etapas de la fase de anlisis, la regresin
lineal, cartas Multi Vari, pruebas de una o dos poblaciones y el anlisis
de varianza de una va.
En el captulo quinto se incluyen, las etapas de la fase de mejora, el
diseo de experimentos factoriales y el experimento factorial 2k.
Las etapas de la fase de control, las cartas de control y una descripcin
de los dispositivos a prueba de error, se presentan en el sexto captulo.
En el captulo sptimo, se presenta el caso prctico de la aplicacin de la
Metodologa Seis Sigma en la Mejora del Desempeo en el Consumo de
Combustible de un Vehculo, pasando por todas y cada una de las fases.
Por

ltimo

se

termina

este

trabajo

con

algunas

conclusiones,

recomendaciones y la bibliografa que se uso en la elaboracin de este


proyecto.

31

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

CAPTULO 2

Definir
Definir

FASE DE DEFINICIN

Medir
Medir

Analizar
Analizar

Mejorar
Mejorar

Controlar
Controlar

2.1 Propsito
Identificar el problema a resolver, estratificndolo tanto como sea
posible, por ejemplo: reclamacin de un cliente por falla, identificar la
familia de productos por importancia mediante el uso del diagrama de
Pareto (ver diagrama Pareto fase de medicin), despus identificar el
producto, la lnea donde se hace, el equipo especfico, etc. En este
momento ya se puede definir el problema y la oportunidad de mejora.
En esta fase la primera de la Metodologa Seis Sigma, se trata de
detectar cual es el problema, definir las CTQS (Criticas para la calidad)
con base en la voz del cliente (VOC), el impacto que tiene para el
negocio la realizacin del el proyecto, las metas que se pretenden
lograr, el alcance y los ahorros financieros.
2.2 Etapas de la fase de definicin
Las etapas de la fase de definicin son las siguientes:
2.2.1

Identificacin de clientes internos y externos:

El primer paso en la definicin de un proyecto es identificar cuales son


los clientes a los que el proceso impacta, se define como cliente interno
a la persona siguiente en el proceso, esto es, dentro de la compaa. Por
ejemplo el cliente del almacn es produccin ya que ellos se encargan
de proveer los insumos para que produccin pueda realizar el proceso
de transformacin. Los clientes externos son todos aquellos a los que la
empresa provee un producto o servicio pagando por l.

32

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

2.2.2

Determinar las CTQs del proyecto:

CTQ Critica para la calidad (Critical to Quality en ingls), es un atributo o


caracterstica de calidad de un producto o servicio

que es importante

bajo la expectativa del cliente.


Nota: Tambin existen otros conceptos como CTD (Critical to Delivery) y CTC
(Critical to Cost), en este tipo de proyectos en el CTD el objetivo es reducir el
tiempo de respuesta y para los CTC en reducir los costos.

Tanto en los CTQ, CTD y CTC el objetivo para la empresa es reducir los
costos, aumentar la satisfaccin del cliente y mejorar el margen.
Para determinar los CTQ, se tiene que conocer la voz del cliente interno
o externo (VOC), o sea qu es lo que espera nuestro cliente acerca del
servicio o producto que le proporcionamos? Mediante la voz del cliente
podemos saber cual es el grado de satisfaccin que ste tiene.
Ejemplo de CTQ:

Entregas a tiempo

Mantenimiento

Durabilidad

Confiabilidad

Seguridad

Para determinar las CTQs se pueden tomar los siguientes puntos:

Metas del negocio

Entrevistas

Quejas

Datos de Benchmarking

Matriz de Causa Efecto

QFD

Tendencias del mercado futuras

33

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

2.2.2

Seleccin del problema:

Un problema se da por: devoluciones, bajo nivel de servicio, entregas


tardas, desperdicios, producto defectuoso, documentos inadecuados.
El problema se selecciona con base en las polticas de la organizacin,
al grupo de trabajo, jefe inmediato y a los resultados organizacionales.
Criterios para seleccionar el problema

Seguridad

Calidad

Entrega

Costo

Nivel de servicio

2.2.4
Expresa

Razn de la Seleccin
los

antecedentes,

la

importancia

la

prioridad

de

los

problemas.
En este punto explicamos porqu se seleccion el problema:

Efecto econmico, reclamo de mercado, rechazos, % de ventas


prdidas , otros.

Impacto

para

los

procesos

posteriores,

monto

de

prdida,

incremento de tiempo de operacin, paro de lnea, etc.


Todo el equipo evaluar las razones descritas mediante la matriz de
evaluacin (Figura 2.1) y enfocarse en un solo tema.
2.2.5

Impacto en el negocio:

En este punto se enuncia como impacta la mejora del proceso al


negocio 16 . Se mencionan cuales seran las consecuencias en caso de no
realizar el proyecto. Se debe conocer cual ha sido la situacin en el
negocio debido al proceso actual. Qu nos ha ocasionado: Prdida de
16

Everett Adam, Administracin de la Produccin y las Operaciones, p126. Mxico, Editorial Pearson, 1991

34

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

clientes? Incumplimiento en los niveles de servicio?, As como cuantificar


(en porcentajes y en

prdidas de utilidades). Es importante describir

como se alinea el proyecto con las iniciativas y metas del negocio. Estas
ltimas son definidas por la direccin. En la

tabla 2.1

encontramos

puntos a considerar para definir los objetivos de manera precisa.


C r ite r io d e e v a lu a c i n

3 p u n to s

2 p u n to s

1 p u n to

E v a lu a c i n

P r o b le m a

Im p o rta n c ia

P r io r .

P o lt ic a
D e p to.

P e r io d o
d e E je c .

F a c t ib ilid a d

O rd e n

D E V O L U C IO N E S

1 2 P u n to s
1 e r. lu g a r

E N T R E G A S T A R D IA S

1 0 P u n to s
2 o . lu g a r
1 0 P u n to s

D O C S . IN A D E C .

2 o . lu g a r
9 P u n to s
3 e r . lu g a r

N IV E L S E R V IC IO

Tabla 2.1 Matriz de evaluacin.

2.2.6

Descripcin del problema:

Se preguntar por qu? Por qu? Por qu?, hasta definir el problema del
proceso, del producto o del servicio de forma especfica, indicndolo de
forma cuantitativa, para evidenciar la necesidad de modificar su estado
actual. Es mejor no usar la solucin para nombrar un problema, sin
antes realizar la bsqueda de la causa verdadera, se crear duda de si
esa solucin es la definitiva.
2.2.7

Definicin de los objetivos del proyecto

Para determinar los objetivos del proyecto nos cuestionamos qu es lo


que vamos a obtener con la realizacin del proyecto? Generalmente es
mejorar e implementar el proceso para una fecha especfica. Ejemplo:
Implementar

el 100% de las mejoras de un proceso en la fecha

propuesta, Incrementar el nivel de servicio en un 98%.


35

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

2.2.8

Alcance del proyecto:

Sirve para delimitar el proceso. (alcance del proyecto de Calidad).


Punto de inicio: Identificar la actividad en donde empieza el proceso.
Punto final: Identificar la actividad donde termina el proceso.
Dentro del alcance: Actividades que se encuentran dentro del proceso.
Fuera del alcance: Actividades que no estn dentro del proceso.
P U N T O C R IT IC O
* A c la ra r la m e ta d e l

AC T IV ID AD E S

va lo r d e l o b je tivo .

* Ind ic a r e l o b je tivo c o n va lo re s e n fo rm a num ric a


e n lo p o sib le .
* E l o b je tivo d e b e te ne r re la c i n c o n e l
e fe c to e sp e ra d o .

* N o p la sm a r sim p le m e nte lo s d e se o s y
e xp e c ta tiva s e n e l o b je tivo , si no e sta b le c e r un o b je tivo fa c tib le d e m a ne ra e sc a lo na d a .

* E l o b je tivo d e b e d e se r c o nc re to .
E je m p lo :
Q U ? ****** R e d uc ir e l d e fe c tuo so e n p ro d uc to s A

* E sta b le c e r un o b je tivo c o n fund a m e nto ,


no se d e b e to m a r una d e c isi n d e im p ulso
(sin a na liz a r).

H AS T A C U N D O ? ****
O c tub re d e l 2 0 0 2
H AS T A C U AN T O ? ****
m e no s d e l 1 % p ro m e d io

(P u n to c la v e p a ra e s ta b le c e r e l v a lo r
o b je tiv o ) .
* D e finirlo to m a nd o e n c ue nta la s p o ltic a s
d e la e m p re sa .
* E n c a so d e no te ne r un c o nc e p to c la ro d e
la s p o ltic a s, a na liz a r la im p o rta nc ia d e
lo s p ro b le m a s y / o m e jo ra s, c ua nd o no s
o c a sio ne n un d e fe c to a l p ro c e so p o ste rio r , fa c tib ilid a d d e c um p lim ie nto , p ro g ra m a , d istrib uc i n d e c a rg o , e tc . y d e finirlo .

D e M a yo d e l 2 0 0 2
97
B a ja r ha sta 1 %
d e d e fe c tuo so .

* H a y un m to d o p a ra e sta b le c e r e l o b je tivo
fina l d e una ve z ; o tro e sta b le c ie nd o lo e n fo rm a
g ra d ua l e ntre o b je tivo p rim a rio y se c und a rio ,
e sta b le c e r p e rio d o s d e tie m p o c o rto s.
E sta b le c e r o b je tivo s g ra d ua le s e n lo s c a so s
S ig uie nte s :
(1 ).- Q ue e l te m a se a d e m a sia d o g ra nd e y se
re q uie ra d ivid irlo .
(2 ).- Q ue e l te m a se a c o m p lic a d o y q ue se re la c io ne
c o n o tra s re a s.
(3 ).- Q ue se re q uie ra la se le c c i n d e la s a c tivid a d e s
c o nfo rm e a la ha b ilid a d re a l d e l g rup o d e tra b a jo

E sta b le c e r un o b je tivo q ue te ng a re la c i n c o n la se le c c i n d e l te m a y ra z n d e la se le c c i n.

Tabla 2.2 Definicin de los objetivos del proyecto.

Ejemplo:
CONDICION ACTUAL
(%)
V
E
N
T
A

6
5
4
3
2
1
0

OBJ. PRIMARIO
OBJ. SECUNDARIO

0%

OBJETIVO FINAL

PERIODO DE TIEMPO
Figura 2.1 Ejemplo objetivos del proyecto.

36

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

La realizacin de los proyectos normalmente es asignada a lderes de


proyecto Green Belts quienes aplican la metodologa Seis Sigma en los
proyectos de mejora del desempeo de los procesos.
a) Los proyectos de los Green Belt son relacionados a sus
actividades diarias- a nivel transaccional y operativo, para que
estn bien enfocados y con un alcance corto. Cuando el
proyecto

sea

demasiado

grande

conviene

dividirlo

fraccionarlo, entre diferentes Green Belts.


2.2.8

Ahorros:

Identificar de dnde se van a obtener los ahorros financieros para el


proyecto de Calidad. Cuales son las fuentes o actividades de donde se
van a estimar los ahorros.
Por ejemplo: Reduccin de costos al mejorar la productividad de un
proceso, reduccin del tiempo de ciclo, reduccin de desperdicios,
reduccin de reclamaciones de clientes, etc.
Cabe mencionar que no siempre hay ahorros, si el CTQ se deriva de una
mejora de la competencia, se har una inversin.
2.2.10

Metas cualitativas

Si se tienen que identificar metas cualitativas. Por ejemplo: Incrementar


los niveles de seguridad en las instalaciones. Mejorar la imagen del
negocio, cumplimiento con lineamientos corporativos.
2.2.11

Mapa del proceso:

Realizar un mapeo del proceso de alto nivel, identificando cuales son los
proveedores, entradas, proceso, salidas, clientes.

37

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

PROVEEDOR

ENTRADAS

PROCESO

SALIDAS

CLIENTE

Figura 2.2 Mapa de proceso. high level

2.2.12
-

Seleccin del equipo de trabajo:

Seleccionar a las personas clave que intervienen o que estn


involucradas directamente y que reciben beneficios del proceso.

Incluir nombre, posicin roles y responsabilidades a desempear en


el desarrollo del proyecto.

Es necesario incluir adems de los miembros del equipo, al Champion


del proceso as como un

Black Belt que apoye y asesore a los

equipos de proyecto guiados por Green Belts.


Recomendaciones:
- Todos los miembros del equipo deben reconocer que la meta que
persiguen como tal es importante para ellos y para la empresa.
- Los miembros deben ser asignados a un grupo de acuerdo con sus
habilidades y potencial.
- Desarrollar un cdigo de conducta, y reglas para que ste se cumpla.
- Proporcionar retroalimentacin y reconocimiento en forma oportuna.
- La estructura de comunicacin debe asegurar el flujo de informacin
requerido para la toma de decisiones.
- Asignar recursos y financiamiento para realizar los planes de mejora.
-

Orientacin y supervisin de los equipos para que tengan un mejor


desempeo.

Es importante identificar en que casos se debe seguir la

metodologa Seis Sigma y en que casos es mejor utilizar alguna


otra de resultados ms rpidos o para solucin de problemas

38

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

crnicos como la de crculos de calidad. En realidad aunque se


quisieran

proponer

soluciones

un

problema

despus

de

estratificarlo, sera imposible llevarlo a cabo.


Hasta aqu se mostraron los pasos para poder definir un proyecto de
mejora, los cuales incluyen, el identificar al cliente, escuchar su voz
(voice of the customer VOC en ingls), determinar la caracterstica
crtica para la calidad, describir el problema, su alcance, sus objetivos,
formar el equipo de trabajo, as como identificar los posible beneficios
econmicos del proyecto una vez concluido ste.
A continuacin se presenta la fase de medicin donde se colectan datos
para establecer un diagnstico de la situacin actual del problema y sus
posibles causas.

39

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

CAPTULO 3 FASE DE MEDICIN

Definir
Definir

3.1

Medir
Medir

Analizar
Analizar

Mejorar
Mejorar

Controlar
Controlar

Introduccin

En la fase de definicin se identificaron los CTQs del cliente, y se


desarroll un mapa de alto nivel para determinar los CTQs del proceso.
En todos los procesos existe variacin, en esta fase el propsito es
medir dicha variacin, para saber si existen datos que se encuentren
fuera de especificaciones, que estn causando problemas en nuestros
procesos. Para realizar esta actividad es de suma importancia conocer:
que es lo que necesitamos medir? y como lo vamos a medir? A
lo largo de este capitulo tenemos diferentes herramientas que nos
ayudarn a responder estas preguntas.
Dependiendo

de

las

condiciones

necesidades

que

tengamos

seleccionaremos una o ms herramientas, cabe mencionar que no


necesariamente se utilizan todas las herramientas,
seleccionar

cuidadosamente

aquellas

que

nos

lo importante

es

proporcionen

la

informacin ms objetiva y precisa.


Objetivos:

Conocer el uso de las herramientas de la fase de medicin

Determinar que mediciones son importantes para el proyecto

Recolectar datos relevantes

Convertir los datos en nmeros para conocer su comportamientos

Detectar cual es la frecuencia con la que ocurren los defectos

40

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

3.2

Etapas de la fase de medicin

Esta fase consta de las siguientes etapas:


3.2.1

Seleccionar los CTQs del proceso (Crtico para la


calidad)

Observemos la siguiente tabla:


Y = F(X)
Y

X1, X2,..Xn

Variable

dependiente

Zs

Variable

independiente

Variables

de

ruido

Salida

Entrada-Proceso

(respuesta)

Causa

Efecto

Problema

Sntoma

Controlable.

Monitoreable

Incontrolables

Tabla 3.1 Variables dependiente, independiente y de ruido.

Para la seleccin de Ys podemos utilizar un diagrama de Pareto para


priorizar

centrar

nuestra

atencin

en

el(los)

efecto(s)

ms

importantes. La variable dependiente Y fue previamente determinada


en la fase de definicin.
La Y es la variable de respuesta y las Xs son las variables de entrada,
las Zs son las variables de ruido.
Los CTQs del cliente (interno o externo) corresponden a la Y, y los
CTQs del proceso corresponden a las Xs
En esta etapa se tratarn de determinar las Xs, ya que son las
variables que podemos medir y controlar.
Para

determinar los

CTQs

del proceso seleccionaremos alguna o

algunas de las herramientas apropiadas a las necesidades del proyecto.

41

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

A continuacin se enuncian y

describe brevemente cada una de las

herramientas en la tabla 3.2:


Tabla 3.2 Tipo de herramientas

Herramienta

Para qu es utilizada?

Estadstica

Definiciones bsicas con ejemplos de Estadstica

Descriptiva
Probabilidad

Definiciones bsicas con ejemplos de Probabilidad

Distribucin

Propiedades de la distribucin Normal

Normal
Lluvia de ideas

Cada

miembro

soluciones

un

del

equipo

problema,

propone
se

posibles

determinan

las

mejores soluciones por consenso.


Tcnica

de Permite al equipo rpidamente realizar un consenso

grupos

de la importancia de problemas

o soluciones

nominales.

posibles. Las causas ms importantes son atacadas


y se priorizan para encontrar la mejor solucin

Anlisis

de Analizar cuales son las fuerzas dentro de una

Campo

de organizacin o proceso que estn dando empuje a

Fuerzas.

las soluciones y cuales estn frenando el progreso.

Diagrama

Representa de forma ordenada todas las causas que

Causa-Efecto

pueden

(Ishikawa

originar

un

problema

(efecto)

es

una

o herramienta muy efectiva para encontrar las causas

Fishbone)

ms importantes de un problema.

Why-Why-Why

Se usa despus de haber determinado las causas


importantes de un problema, se pregunta 3 veces
porqu, podremos llegar a la solucin del problema

5W/1H

Tcnica en la cual se responde a las siguientes


preguntas: que, quin, porque, cuando, donde,
como, para la solucin de problemas.

42

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Diagrama
Pareto

de Priorizar los problemas que tienen el potencial ms


grande de mejora. Muestra la frecuencia relativa en
una grfica de barras descendiente.

Diagramas

Mtodo utilizado para mostrar las relaciones que

Matriz

existen entre

mtodos, causas, actividades, etc.

determinando la fuerza que existe entre estas.


Matriz Causa y Relaciona las entradas CTQs y el diagrama de flujo
efecto

del proceso como su principal fuente. Sirve para


priorizar las entradas clave a usar en AMEF's, planes
de control y estudios de capacidad.

Diagrama
Relaciones

de Permite al equipo identificar, analizar y clasificar


sistemticamente las relaciones causa y efecto que
existen entre todos los elementos crticos, para
lograr una solucin efectiva.

Diagrama
Afinidad

de Agrupar en categoras afines las posibles causas que


ocasionan

un

problema,

permitiendo

obtener

fcilmente la causa que lo origina.


Hoja
Verificacin

de Recolectar datos basados en la observacin del


comportamiento de un proceso con el fin de
detectar tendencias, por medio de la captura,
anlisis y control de informacin relativa al proceso.

Carta
tendencias

de Conocer

el

grficamente

comportamiento
para

poder

de

un

proceso

tomar

las

acciones

correctivas a tiempo cuando es necesario.


Diagrama
Dispersin
Mapa
procesos

de Tcnica usada para estudiar la relacin entre dos


variables, facilita la comprensin del problema.
de Proveen una secuencia grfica de cada uno de los
pasos o actividades que componen una operacin
desde el inicio hasta el final. Permitiendo una mejor

43

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

visualizacin y comprensin del proceso. Sirve para


identificar pasos innecesarios, compara el proceso
actual contra el ideal.
QFD

Mtodo grfico en el que se identifican los deseos


del cliente (CTQS) y las caractersticas de diseo
del producto, procesos o servicios. Permite traducir
de un lenguaje ambiguo a los requerimientos
especficos del diseo del producto, proceso o
servicio. En otras palabras relacionas los qus? del
cliente con los cmos? del proceso.

Benchmarking

Estudio que ayuda a realizar un comparativo de


productos, procesos o servicios contra el mejor en
la clase puede ser dentro de la empresa o, para
identificar oportunidades de mejora.

Anlisis sistema Sirve para determinar que tan grandes son las
de medicin

variaciones en base a ciertos parmetros de los

(Anlisis R & R)

sistemas de medicin, incluyendo equipo y gente.

3.2.2

Definicin de estndares de desempeo

a) Definicin Operacional.- Es una descripcin precisa acerca del


proceso que aclara cualquier ambigedad del mismo. Es un paso
clave para el CTQ que est siendo medido.
b) Meta de desempeo.- Estamos interesados en alcanzar la meta de
desempeo de la caracterstica de un producto o proceso. La meta
es reducir la variacin al mximo.
c) Lmite de especificacin.- La cantidad de variacin que el cliente
est

dispuesto

aceptar

en

un

producto

proceso.

La

especificacin puede ser determinada internamente por ingeniera,

44

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

siempre y cuando no afecte al consumidor, si no al contrario lo


beneficie.
d) Defecto.- Cualquier caracterstica del producto que sale de los
lmites de especificacin o de los estndares de apariencia, color,
duracin, etc.
3.2.3

Establecer y validar el plan de recoleccin de datos

Para realiza el plan de recoleccin de datos podemos ayudarnos del


diagrama 5W/1H el cual consiste en contestar las siguientes preguntas:
What?

Qu?

Why?

Por qu?

Who?

Quin?

Where?

Dnde?

When?

Cuando?

How?

Cmo?

RECOLECCIN DE DATOS

El objetivo es recolectar datos confiables, que reflejen la realidad de lo


que est sucediendo. Las ventajas que nos proporciona son:

Prove una estrategia documentada al recolectar datos confiables.

Da a los miembros del equipo una referencia comn.

Ayuda a asegurar que los recursos sean usados efectivamente para


recolectar nicamente datos crticos.

Es importante tener cuestionarios y/ o registros validados y confiables,


debiendo ser suficientemente claros para la persona que los llena, es
recomendable realizar un instructivo y adems deben de ser diseados
para que proporcionen la informacin necesaria para el anlisis.

45

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Se debe contar con equipos de medicin con error mnimo, de lo


contrario nuestras mediciones contendrn algn error. Para validar

el

sistema de medicin se conduce un estudio Gage R & R


Ejemplo
En una tienda de refacciones para automviles, disminuyeron en gran
medidas las ventas. El gerente general convoc a una junta con las
personas involucradas, para determinar cuales eran las causas por las
cuales estaba sucediendo esta situacin.
Siguiendo las etapas de la fase.
3.2.4

Seleccionar los CTQs:

El equipo de trabajo realiz una tormenta de ideas, el cuestionamiento


que se hizo es porqu las ventas estn disminuyendo? (efecto) Una vez
terminada est actividad, el grupo seleccion mediante consenso las
causas que consider ms importantes, despus utilizaron la tcnica
Why-Why-Why, para encontrar la causa raz del problema. Mediante
eliminacin de las otras causas se encontr que la causa principal es: el
tiempo de respuesta que se le estaba dando al cliente.
Esto se confirm ya que un miembro del equipo expuso que los clientes
en ocasiones tardaban mucho tiempo en ser atendidos, existan muchas
quejas y los clientes en ocasiones nunca ms regresaban.

3.2.5

Definicin de estndares de desempeo:

Definicin operacional.
- En el mostrador se tiene la idea de que el tiempo de respuesta al
cliente es desde el momento en que se atiende al cliente hasta que
se le entrega la refaccin.

46

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

- Sin embargo para el cliente el tiempo de respuesta es desde el


momento que se presenta en la tienda, hasta que sale de la tienda
con la refaccin.
Relacionando los requerimientos internos con la voz del cliente (VOC) y
para eliminar ambigedades entre las dos definiciones anteriores
realizamos la siguiente definicin operacional: El tiempo de respuesta al
cliente es: Desde el momento en que el cliente entra, espera ser
atendido, pide las refacciones, le entregan las refacciones paga
en la caja y recibe la factura.

Meta de desempeo.- Haciendo un Benchmarking con la mejor

refaccionara de la ciudad se determin que el 99.5% de los clientes


estaban satisfechos con el tiempo de entrega.

Lmite de especificacin.- Aqu no tenemos lmite de especificacin.

Defecto: se define como defecto cuando un cliente no est satisfecho


con el tiempo de respuesta.

Para evaluar la satisfaccin del cliente en cuanto al tiempo de respuesta


realizamos un cuestionario que aplicamos aleatoriamente a diferentes
clientes.
3.3

Estadstica bsica para la fase de Medicin 20

La Estadstica descriptiva es la rama de las matemticas que


comprende la recopilacin, tabulacin, anlisis e interpretacin de datos
cuantitativos y cualitativos, para tomar decisiones que se requieran a fin
de que el comportamiento de los datos se mantenga dentro de los
parmetros de control establecidos.

Poblacin (N) Es el conjunto de todos los elementos de inters


para determinado estudio

20

Kaplan & Schuster, AP Statistics, p 54, E. U. A. Editorial Kaplan. 2004

47

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Parmetro Es una caracterstica numrica de la poblacin, se


identifica con letras griegas (Media = , Desviacin estndar = ,
Proporcin = , Coeficiente de correlacin = )

Muestra

(n)

Es

una

parte

de

la

poblacin,

debe

ser

representativa de la misma.

Estadstico Son caractersticas numricas de una muestra, se


identifican con letras latinas (Media = X, Desviacin estndar = s,
Proporcin = p, Coeficiente de correlacin = r).

La estadstica inferencial se refiere a la estimacin de parmetros y


pruebas de hiptesis acerca de las caractersticas de la poblacin en
base a los datos obtenidos con una muestra.
La Estadstica descriptiva proporciona un criterio para lograr mejoras,
debido a que sus tcnicas se pueden usar para describir y comprender la
variabilidad. Por ejemplo, consideremos en un proceso de reactor
industrial para la obtencin de un producto qumico, tomamos como una
medida crtica el nivel de concentracin de un componente, si utilizamos
un instrumento de medicin con la resolucin suficiente, encontraremos
que existe variabilidad, mediante el uso de tcnicas estadsticas
podemos realizar mejoras en el proceso para reducir la variacin en
rendimiento del reactor.
Para poder obtener consecuencias y deducciones vlidas de los datos de
una estadstica, es muy til contar con informacin sobre los valores que
se agrupan hacia el centro y sobre que tan distanciados o dispersos
estn unos respecto a otros.
Las medidas de tendencia central son la media, mediana y moda.
Las medidas de dispersin son el Rango, la desviacin estndar y el
coeficiente de variacin.

48

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Distribucin de Frecuencias e Histogramas


En la tabla 3.3, se muestran los datos con los cuales de har un
Histograma (Figura 3.1). El histograma,

es un diagrama de barras

donde estas corresponden a los intervalos y las alturas a las frecuencias.


Necesitndose para esto entre 50 a 100 datos.
Tabla 3.3 Tabla de datos agrupados

Columna

Intervalo

Registro de frecuencias

0 -8

IIIII

9-17

IIIII

IIII

18-26

IIIII

27-35

IIIII

IIIII

11

36-44

IIIII

IIIII

II

17

45-53

IIIII

IIIII

IIIII

IIIII

54-62

IIIII

IIIII

IIIII

III

63-71

IIIII

IIIII

III

72-80

IIIII

IIIII

10

10

81-89

IIIII

III

11

90-98

IIIII

IIIII

III

28
18
13

5
H is to g r a m a

30

Frecuencia

25
20
15

F r e c u e n c ia

10
5
0
9

18

27

36

45

54

63

72

81

90

99

C la s e

Figura 3.1 Histograma

Uso de Excel
1. En el men seleccione la opcin anlisis de datos.
2. Seleccione la opcin histograma.
3. Seleccione el rango de entrada, estos corresponden a los datos
numricos de la tabla.

49

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

4. Seleccione el rango de clases, previamente escribir en una


columna los intervalos de clase.
5. En opciones de salida seleccione una celda de la hoja de calculo
que este en blanco (a partir de est celda ser insertado el
histograma).
6. Ya insertado el histograma se podrn hacer modificaciones
de la escala, color, ttulos etc.
Grficas de Caja
Una grfica de caja es un diagrama que proporciona informacin sobre
el centro, la dispersin y la asimetra o sesgo; utiliza cuartiles, y as, es
resistente a las observaciones aberrantes.
Estadstica descriptiva en Excel:
En el men de Anlisis de datos podemos obtener estadsticas de un
conjunto determinado de datos.
Seleccione: Herramientas > Anlisis de datos > Estadstica descriptiva

Ejemplo 3.1

Usemos los datos siguientes, para construir una grfica de caja:


5 7 8 9 9 11 12 12 13 14 15 16 17 18 19 20 22
La mediana es Q2 = 13. el cuartil inferior es Q1 = 9 y el cuartil superior
es Q3 = 17

13
9
17
Figura 3.2 Diagrama de caja

22

La mediana est sesgada a la izquierda de la caja y la extensin ms


larga est a la derecha, la distribucin est sesgada a la derecha.

50

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Diagramas de caja en Minitab:


1. Capture los datos en la hoja de trabajo.
2. Seleccione la opcin: Graph> Charactergraph>Boxplot
3. Seleccione la variable C1 como se muestra en la pantalla y
presione clic en ok
3.4

Herramientas estadsticas para solucin de problemas

Mapa de procesos
Dentro de los sistemas de calidad resulta de gran utilidad representar la
estructura y relaciones de los sistemas mediante diagramas de flujo.
Ventajas de los diagramas de flujo

Proveen una secuencia grfica de cada uno de los pasos que


componen una operacin desde el inicio hasta el final. Permitiendo
una mejor visualizacin y comprensin del proceso.

Los diagramas de flujo pueden minimizar grandes volmenes de


documentacin, incluyendo la documentacin ISO 9000.

Facilitan el desarrollo de Procedimientos Estndar de Operacin.

Al tener un procedimiento de operacin estndar se reduce en gran


medida la variacin y el tiempo de ciclo.

Los diagramas de flujo permiten detectar reas de mejora en los


procesos.

Descripcin de smbolos
En la construccin de diagramas de flujo de procesos se utilizan los
smbolos descritos a continuacin:
Operacin de transformacin: de la cual resulta
un cambio fsico o qumico del producto.
Inspeccin: Verificacin de alguna caracterstica
mediante un estandar de calidad

prestablecido.
51

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Transporte: Movimiento fsico del producto o un


componente.
Demora: Indica la necesidad de un periodo de
inactividad en espera de operacin inspeccin o
transporte.
Almacenamiento: Mantener un producto en
almacenamiento hasta que contine su procesamiento o
sea vendido.
Pasos para la elaboracin de un diagrama de flujo
1. Describir el proceso a evaluar: Es importante comenzar con los
procesos que se consideran de mayor impacto en la organizacin.
2. Definir todos los pasos que componen un producto o
servicio: Existen diferentes maneras de hacerlo. Una de ellas
consiste en que el equipo de trabajo anote en tarjetas los
diferentes pasos que conforman el proceso, con este mtodo el
equipo puede arreglar y ordenar los pasos del proceso. Otra
manera de hacerlo es mediante el uso de programas de diagramas
de flujo en computadoras, de esta manera se tiene mayor
flexibilidad que en el mtodo anterior

y se ahorra bastante

tiempo.
Cada paso deber de ser discutido y analizado a detalle utilizando
la pregunta por qu se hace de esta manera?
3. Conectar las actividades: Cuando los pasos que componen el
proceso han sido descritos se construye el diagrama de flujo,
conectando las actividades mediante flechas, cada smbolo debe
describir la actividad que se realiza con pocas palabras.

52

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

4. Comparar el proceso actual con el proceso considerado


como ideal las siguientes preguntas pueden servir de gua:
Existen pasos demasiado complejos?
Existe duplicidad o redundancia?
Hay puntos de control para prevenir errores? deberan de
existir?
El proceso funciona en la manera en la cual debera de hacerse?
Se puede realizar el proceso de diferente manera?
5. Mejoras del proceso: Una vez que se contestan las preguntas
mediante tormenta de ideas se realizan mejoras. Definiendo los
pasos que agregan valor y los que no agregan se puede llevar a
cabo una simplificacin sustancial del proceso.
Las mejoras son priorizadas y se llevan a cabo planes de accin.
6. Implementar el nuevo procedimiento: Una vez realizadas
las mejoras se dan a conocer a las personas involucradas en el
proceso y se verifica su efectividad.
En la tabla 3.4 se muestra el diagrama de flujo: Una visita a la
farmacia 21
Tabla 3.4 Operacin: despacho de una receta

EVENTO

SMBO TIEMP DISTANC


LO
O
IA (pies)
(min.)
Abrir la puerta, caminar hacia el rea
0.8
50
de la farmacia del almacn.
Esperar para ser atendido.
1
Sacar la frmula de la billetera o del
bolsillo y entregarla al dependiente.
Esperar hasta cuando el dependiente
despache la frmula y calcule el valor.

0.4
10

21

Adaptado de Hamid Noori/Russell Radford, Administracin de Operaciones y produccin, pp 282, Mxico


Editorial Mc.Graw Hill, 1999

53

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Sacar la tarjeta de crdito de la


billetera y entregarla al dependiente.
Esperar que el dependiente diligencie
el desprendible de la tarjeta de crdito.
Verificar el desprendible

0.4

0.2

Firmar el desprendible

0.1

Esperar
el
desprendible
y
el
medicamento
Colocar la tarjeta y el desprendible
dentro de la billetera
Recoger el medicamento y caminar de
regreso hasta la puerta

0.3

0.2
0.8

50

Diagrama de flujo de tiempo sin valor.


Es utilizado para detectar cuales son las actividades que agregan valor
al proceso y las que no agregan valor.
Pasos para realizarlo:

Dibujar una lnea horizontal para representar el tiempo total que se


ocupa en el proceso.

Relacione todos los pasos del proceso detalladamente, despus decida


si el paso tiene valor para el cliente.
Dibujar una lnea vertical fina que represente el tiempo que se
requiere para completar el paso.
Dibjela arriba de la lnea, si representa valor agregado, o debajo si
no lo representa.
En cada lnea vertical seale el paso del proceso.
Puede dibujar una barra con el tiempo de valor agregado como
porcentaje de tiempo total del proceso.
Ventajas:
Delinea grficamente la cantidad de tiempo sin valor que se usa en el
proceso.
Ayuda a reducir el tiempo sin valor y eliminar pasos innecesarios.

54

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Diagrama de Pareto
Es una herramienta utilizada para el mejoramiento de la calidad para
identificar y separar en forma crtica los pocos proyectos que provocan
la mayor parte de los problemas de calidad.
El principio enuncia que aproximadamente el 80% de los efectos de un
problema se debe a solamente 20% de las causas involucradas.
El diagrama de Pareto es una grfica de dos dimensiones que se
construye listando las causas de un problema en el eje horizontal,
empezando por la izquierda para colocar a aquellas que tienen un mayor
efecto sobre el problema, de manera que vayan disminuyendo en orden
de magnitud. El eje vertical se dibuja en ambos lados del diagrama: el
lado izquierdo representa la magnitud del efecto provocado por las
causas, mientras que el lado derecho refleja el porcentaje acumulado de
efecto de las causas, empezando por la de mayor magnitud.
En la figura 3.3 se muestra un Pareto
PARETO CHART
70

100

60

80

40

60

30

40

Percent

Count

50

20
20

10

Defect

Count
Percent
Cum %

25
35.7
35.7

23
32.9
68.6

7
10.0
78.6

6
8.6
87.1

3
4.3
91.4

2
2.9
94.3

1
1.4
95.7

rs
the

3
4.3
100.0

Figura 3.3 Pareto

En la grfica observamos que aproximadamente el 80% de los efectos


es debido a los defectos A, B y C (causas)
55

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Lluvia de ideas
En las sesiones de lluvia de ideas se generan nuevas ideas mediante la
participacin de todo el equipo.
Para comenzar con el proceso de tormenta de ideas, en el cual se
genera informacin la gente se rene en una sala en la cual se
recomienda la disposicin de las mesas en forma de U para facilitar el
debate. La gente que participa en la sesin deber de pertenecer a
diferentes reas o tener puntos de vista diferentes, esto con el objeto de
enriquecer la sesin.
El facilitador debe contar con experiencia en la conduccin de sesiones
de tormentas de ideas, o al menos haber participado en alguna previa.
Para conducir un grupo se lleva a cabo la siguiente metodologa:
1. Seleccionar el problema a tratar.
2. Pedir a todos los miembros del equipo generen ideas para la solucin
del problema, las cuales se anotan en el pizarrn sin importar que
tan buenas o malas sean estas.
3. Ninguna idea es evaluada o criticada antes de considerar todos los
pensamientos concernientes al problema.
4. Aliente todo tipo de ideas, con esto, pueden surgir cosas muy
interesantes, que motivan a los participantes a generar ms ideas.
5. Apruebe la naturalidad y el buen humor con informalidad, en este
punto el objetivo es tener mayor cantidad de ideas as existirn
mayores posibilidades de conseguir mejores ideas.
6. Se les otorga a los participantes la facultad de modificar o mejorar
las sugerencias de otros.
7. Una vez que se tengan un gran nmero de ideas el facilitador
procede a agrupar y seleccionar las mejores ideas por medio del
consenso del grupo de trabajo.

56

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

8. Las mejores ideas son discutidas y analizadas con el fin del proponer
una solucin.
La tcnica tormenta de ideas se aplica con gran frecuencia al llevar a
cabo otras herramientas, como por ejemplo, diagramas causa-efecto
(Ishikawa), Diseo de experimentos, pruebas de confiabilidad, etc.
Diagrama de causa - efecto
El diagrama causa-efecto, tambin llamado espina de pescado por la
semejanza de su forma, tambin es conocido por diagrama de Ishikawa.
Es utilizado para explorar,

e identificar todas las causas posibles y

relaciones de un problema (efecto) o de una condicin especfica en las


caractersticas de un proceso.
Una vez elaborado, el diagrama causa-efecto representa de forma clara,
ordenada y completa todas las causas que pueden determinar cierto
problema.
Constituye una buena base de trabajo para poner en marcha la
bsqueda de las verdaderas causas de un problema.
Los pasos para elaborar el diagrama de causa - efecto son los
siguientes:
1. Seleccione el efecto (problema) a analizar. Se puede seleccionar a
travs de un consenso, un diagrama de Pareto, otro diagrama o
tcnica.
2. Realice una lluvia de ideas para identificar las causas posibles que
originan el problema.
3. Dibuje el diagrama:
-

Coloque en un cuadro a la derecha la frase que identifique el


efecto (caracterstica de calidad)

57

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Trace una lnea horizontal hacia la izquierda del cuadro que


contiene la frase. A esta lnea se le conoce como columna
vertebral.

Coloque lneas inclinadas que incidan en la columna vertebral


(causas principales).

Dibuje lneas horizontales con flechas que incidan en las lneas


inclinadas conforme a la clasificacin de las causas (causas
secundarias)

Dibuje lneas inclinadas que incidan en las lneas de las causas


secundarias (causas terciarias)

4. Clasifique las causas derivadas de la lluvia de ideas, de la siguiente


manera:
-

Causas principales.

Causas secundarias.

Causas terciarias.

5. Jerarquice las causas por grado de importancia y defina aquellas que


tengan un efecto relevante sobre la caracterstica especfica.
6. Elabore y ejecute un programa de correccin de las causas
relevantes.
Ejemplo 3.2 22
Una fbrica de componentes electrnicos se han detectado fallas en la
lnea de ensamble al probar un circuito, por lo cual se procedi a realizar
una investigacin utilizando el diagrama causa-efecto.
El problema es: soldadura defectuosa, siendo el efecto que se va
a analizar.
Primero se determinan las causas principales 6 Ms:

22

Tomado de: Alberto Galgano, Los siete instrumentos de la Calidad Total, ediciones Daz de Santos,1995

58

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Mquinas

Mente de obra

Mtodos

Materiales

Mediciones

Medio ambiente

Estas constituyen las causas primarias del problema y es necesario


desafiarlas para encontrar causas ms especficas secundarias y
terciarias. Se construye el diagrama espina de pescado con las causas
primarias (Ms), a partir de estas causas se agrupan las causas
secundarias y terciarias derivadas de la lluvia de ideas. En la figura 3.4
se muestra un diagrama Causa-Efecto.

MEDICIONES

MANODE
DEOBRA
OBRA
MENTE

MAQUINAS
DIMENSIONES
INADECUADAS

FUERA DE
DIMENSIONES
ESPECIFICADS

VELOCIDAD DE
AVANCE

TEMPERATURA
ANGULO
INCORRECTO DE
LA FLAMA

FORMACION

HABILIDAD

PUNTA OXIDADA

LIMITES
ERGONOMICOS

FORMA
PUNTA

SOLDADURA DEFECTUOSA
UNION
SOLDADURA

SUPERFICIE
S CON
POLVO E
IMPUREZAS

LACA DE
PROTECCION

SECUENCIA
SOLDADURA
TIEMPOS DE
ESPERA

TERMINALES
DESOXIDANTE
CORTOS OXIDADOS

MTODOS

MATERIALES

s
r ia
c ia

cu

te r

se

ca

us

as

as
us

s
usa

Ca

Ca

ale
cip
prin

nd

a ri

as

MEDIO AMBIENTE

Figura 3.4 Diagrama Causa-Efecto

59

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

El equipo analiza cada causa y por medio de eliminacin y consenso


determina cuales son las verdaderas causas que estn ocasionando el
problema. Una vez determinada las causas se realiza un anlisis WhyWhy Why? El cual consiste en preguntarnos tres veces por qu?, para
encontrar la causa raz del problema.
En el ejemplo las causas primarias fueron agrupadas en

(Ms):

mediciones, mquinas, mano de obra, medio ambiente, mtodos y


materiales. Puede realizarse este diagrama con causas diferentes.
3.5

Estudios de capacidad de sistemas de medicin (R & R)

Frecuentemente las organizaciones no consideran el tener sistemas de


medicin de calidad, el hecho de que las mediciones no sean exactas
puede llevar a cometer errores.
Cuando los operadores no miden una pieza de manera consistente, se
puede caer en el riesgo de rechazar artculos que estn bien.
Si los instrumentos de medicin no se calibran, se

cometen errores.

Cuando sucede esto se tiene un sistema de medicin deficiente, esto


har que el estudio parezca satisfactorio cuando en realidad no lo es.
Teniendo como consecuencia costos de reparacin de un producto o un
servicio, ya que la principal fuente de variacin se deriva del
instrumento de medicin. En la figura 3.5 se muestran las posibles
fuentes de variacin del proceso
Variacin del proceso

Variacin
del
proceso,
real
Variacin
del
proceso,
real

Variacin dentro de la
muestra

Repetibilidad

Variacin de la medicin

Variacin
originada
Equipo
de
medicin
por el calibrador

Estabilidad

Reproducibilidad

Linealidad

Sesgo

Calibracin

Figura 3.5 Posibles Fuentes de la Variacin del Proceso

60

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Definiciones
Reproducibilidad: Variacin, en los promedios de mediciones hechas
por varios operadores usando un mismo instrumento de medicin,
midiendo las mismas caractersticas y la misma parte, ver figura 3.6.
Operador-B

Operador-C

Operador-A

Reproducibilidad

Figura 3.6 Variabilidad del sistema de medicin

Repetibilidad:

variacin

de

las

mediciones

obtenidas

con

un

instrumento de medicin, cuando es usa varias veces por un


operador, midiendo las mismas caractersticas en una misma parte.

REPETIBILIDAD

Figura 3.7 Rango de Repetibilidad

Valor verdadero: Valor correcto terico / estndares NIST 23

Precisin: Es la habilidad de repetir la misma medida cerca o dentro


de una misma zona

Exactitud: Es la diferencia entre el promedio del nmero de medidas y


el valor verdadero.
Resolucin: La medicin que tiene exactitud y precisin.

23

En E. U. A. se tiene el NIST (National Institute of Standards ando Technology), En Mxico se


tiene el CENEAM o el Centro Nacional de Metrologa

61

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Exacto y preciso
(resolucin)

Exacto pero no preciso

Preciso pero no exacto

Figura 3.8 Componentes del sistema de medicin

Estabilidad: es la variacin total de las mediciones obtenidas con un


sistema de medicin, hechas sobre el mismo patrn o sobre las mismas
partes, cuando se mide una sola de sus caractersticas, durante un
perodo de tiempo prolongado.

Tiempo 2
Tiempo 1
Figura 3.9 Estabilidad en el tiempo

Linealidad: diferencia en los valores de la escala, a travs del rango de


operacin esperado del instrumento de medicin.

Valor
verdadero
Sesgo
Menor

Valor
verdadero
Sesgo
mayor

(rango inferior)

(rango superior)

Figura 3.10 Rango de Operacin del equipo


62

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Sesgo: distancia entre el valor promedio de todas las mediciones y el


valor verdadero. Error sistemtico o desviacin.
Valor
Verdadero

Sesgo

Figura 3.11 Sesgo

Calibracin: Es la comparacin de un estndar de medicin con


exactitud conocida con otro instrumento

para detectar, reportar o

eliminar por medio del ajuste, cualquier variacin en la exactitud del


instrumento.

El equipo de medicin debe tener una discriminacin adecuada en la


evaluacin de las partes, su resolucin debe de ser de al menos 1/10
de la tolerancia, sin embargo de preferencia debera de ser de 1/20.

El incluir un mximo del 10% al sistema de medicin es aceptable.


10-30%. Puede ser aceptable, dependiendo si la caracterstica a medir
no es crtica >30%. Es Inaceptable!
En cualquier problema que involucre mediciones, algunas de las
variaciones observadas son debidas al proceso y otras son debidas al
error o variacin en los sistemas de medicin. La variacin total es
expresada de la siguiente manera:

2 total = 2 proceso + 2 error medicin


Estudio de R&R Mtodo largo
Generalmente intervienen de dos a tres operadores
Generalmente se toman 10 unidades
Cada unidad es medida por cada operador, 2 3 veces.

63

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

La resolucin del equipo de medicin debe ser de al menos el 10%


del rango de tolerancia o del rango de variacin del proceso.

Las partes deben seleccionarse al azar, cubriendo el rango total del


proceso. Es importante que dichas partes sean representativas del
proceso total (80% de la variacin)

10 partes NO son un tamao de muestra significativo para una


opinin slida sobre el equipo de medicin a menos que se cumpla el
punto anterior.

Procedimiento para realizar un estudio de R & R


1. Asegrese de que el equipo de medicin haya sido calibrado.
2. Marque cada pieza con un nmero de identificacin que no pueda ver
la persona que realiza la medicin.
3. Haga que el primer operador mida todas las muestras una sola vez,
siguiendo un orden al azar.
4. Haga que el segundo operador mida todas las muestras una sola vez,
siguiendo un orden al azar.
5. Contine hasta que todos los operadores hayan medido las muestras
una sola vez (Este es el ensayo 1).
6. Repita los pasos 3,4 hasta completar el nmero requerido de ensayos
7. Determine las estadsticas del estudio R & R
Repetibilidad
Reproducibilidad
%R&R
Desviaciones estndar de cada uno de los conceptos mencionados
Anlisis del porcentaje de tolerancia
8. Analice los resultados y determine las acciones a seguir si las hay.
Mtodos de estudio del error R & R:
I. Mtodo de Promedios - Rango

64

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Permite separar en el sistema de medicin lo referente

a la

Reproducibilidad y a la Repetibilidad.

Los clculos son ms fciles de realizar.

II. Mtodo ANOVA

Permite separar en el sistema de medicin lo referente a la


Reproducibilidad y a la Repetibilidad.

Tambin proporciona informacin acerca de las interacciones de un


operador y otro en cuanto a la parte.

Calcula las varianzas en forma ms precisa.

Los clculos numricos requieren de una computadora.


9 El Mtodo ANOVA es ms preciso

Ejemplo 3.3 (MINITAB)


Mtodo X Barra - R
Se seleccionan 10 muestras de un proceso de manufactura, cada parte es
medida dos veces por tres operadores. Realice un estudio R&R mediante el
mtodo ANOVA.
OPERADOR

A.-

B.-

columna 1

Columna 2

Muestra

1er Intento

2do Intento

0.0045

0.0045

columna 3

columna 4

C.columna 5

columna 6

columna 7

Columna 8

columna 9
3er Intento

3er Intento

1er Intento

2do Intento

3er Intento

1er Intento

2do Intento

0.0045

0.0045

0.0045

0.0045

0.0050

0.0045

0.0055

0.0050

0.0045

0.0055

0.0045

0.0045

0.0055

0.0045

0.0045

0.0045

0.0045

0.0050

0.0050

0.0045

0.0045

0.0045

0.0050

0.0055

0.0050

0.0045

0.0050

0.0050

.0050

.0050

.0050

0.0050

0.0045

0.0050

0.0045

0.0045

0.0050

10

0.0040

0.0040

0.0040

0.0040

0.0040

0.0040

Totales

0.0470

0.0475

0.0455

0.0485

0.0045
0.0045
0.0045

0.0045

0.0045

0.0045

0.0045

0.0045

0.0050

0.0050

0.0050

0.0050

0.0050

0.0040

0.0045

0.0040

0.0045

0.0045

0.0060

0.0050

0.0050

0.0050

0.0050

0.0055

0.0045

0.0050

0.0045

0.0050

0.0465

.0050

0.0465

0.0060
0.0055
0.0045
0.0500

0.0050

0.0045
0.0045
0.0040
0.0050
0.0040
0.0050
0.0050
0.0050

0.0045

0.0045

0.0045

0.0045

0.0470

Tabla 3.4 Datos para estudio Gage R & R

65

0.0460

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Capture los datos en la hoja de trabajo de Minitab en tres columnas


C1, C2, C3
Partes

Operadores

Medicin

Partes

Operadores

Medicin

Partes

Operadores

Medicin

0.0045

0.0045

0.005

0.0045

0.0055

0.0055

0.0045

0.0045

0.0045

0.005

0.005

0.005

0.0045

0.004

0.0045

0.005

0.006

0.005

0.005

0.0055

0.0045

0.005

0.005

0.006

0.005

0.0045

0.0055

10

0.004

10

0.004

10

0.0045

0.0045

0.0045

0.0045

0.0055

0.005

0.0045

0.0045

0.0045

0.0045

0.005

0.005

0.005

0.0045

0.0045

0.0045

0.0055

0.005

0.005

0.0045

0.0045

0.005

0.005

0.005

0.005

0.0045

0.0045

0.0045

10

0.004

10

0.004

10

0.0045

0.0045

0.0045

0.0045

0.0045

0.0045

0.0045

0.0045

0.0045

0.004

0.0045

0.005

0.005

0.0045

0.004

0.004

0.0045

0.005

0.005

0.0045

0.005

0.005

0.005

0.005

0.005

0.005

0.005

0.0045

10

0.004

10

0.004

10

0.0045

Tabla 3.5 Datos para estudio Gage R & R Minitab

66

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Seleccione en el men de la barra de herramientas STAT>QUALITY


TOOLS>GAGE STUDY > Gage R&R (Crossed)

Seleccione C1 (parte), C2 (operador), C3 (Medicin)


Mtodo de Anlisis X Bar and R
-

En Options Seleccionar: Staudy variation 5.15

Procesa tolerante

0.006.
Los resultados se muestran a continuacin:
Gage R&R Study - XBar/R Method
%Contribution
Source

Var Comp

(of Var Comp)

Total Gage R&R

0.0000001

Repeatability

0.0000001

40.52

Reproducibility

0.0000000

0.48

Part-To-Part

0.0000001

59.00

Total Variation

0.0000001

100.00

41.00

Study Var

%Study Var

%Tolerance

Source

Std Dev (SD) (5.15 * SD)

(%SV)

(SV/Toler)

Total Gage R&R

0.000247

0.0012750

64.03

21.25

Repeatability

0.0002461

0.0012675

63.65

21.12

Reproducibility

0.0000269

0.0001384

6.95

2.31

Part-To-Part

0.0002970

0.0015295

76.81

25.49

Total Variation

0.0003867

0.0019913

100.00

33.19

Number of Distinct Categories = 1

Gage R&R for Datos:


Anlisis de los resultados:
El error de R & R vs tolerancia es 64.03% y vs variacin total del
proceso es 21.25% lo que hace que el equipo de medicin no sea
adecuado para la medicin.

67

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Por otro lado el nmero de categoras es slo de 1 cuando debe ser al


menos 4 indicando que el instrumento discrimina las diversas partes
diferentes.
Gage R& R (Xbar/R) for Datos
Reported by :
T olerance:
M isc:

G age name:
D ate of study :
Components of Variation

Datos by Partes

80

% Contribution

0.006

Percent

% Study Va r
% Tolera nce

40

0.005
0.004

Gage R&R

Repeat

Reprod

Part-to-Part

R Chart by Operadores
Sample Range

0.006

0.0005

_
R=0.000417

0.005

0.0000

LCL=0

10

2
Operadores

Operadores * Partes Interaction

O pe radore s

UCL=0.005143
_
_
X=0.004717

0.0045
LCL=0.004290

Average

Sample Mean

0.0050

0.004

Xbar Chart by Operadores


1

5
6
Partes

Datos by Operadores
UCL=0.001073

0.0010

0.0050

2
3

0.0045
0.0040

0.0040

5
6
Partes

10

Figura 3.12 Grfica de Minitab

La grfica R se mantiene en control indicando que las mediciones se


realizaron en forma adecuada.
La grfica X barra slo presenta 5 de 30 puntos fuera de control, lo
cual debera ser al menos el 50%, indicando que el equipo no
discrimina las diferentes partes.

Linealidad del instrumento de medicin


La Linealidad del Gage indica que tan exacto son las mediciones a travs
del rango esperado de estas. Se pregunta el instrumento de medicin
tiene la misma exactitud para todos los tamaos de objetos a medir?
El bias o exactitud del gage examina la diferencia entre la media de los
datos observados y un valor de referencia o patrn. Contesta a la
pregunta, Qu tan exacto es mi gage comparado con un patrn?

68

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Ejemplo 3.4:
Se seleccionan 5 partes que tienen el rango esperado de las mediciones.
Cada parte fue medida por un inspector para determinar su valor de
referencia. Un operador mide aleatoriamente cada parte 10 veces.
Se obtiene la variacin del proceso (14.1941) del estudio Gage R&R
usando el mtodo ANOVA (rengln Total variation de la columna Study
Var (6*SD)).
Part
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3

Master
2
2
2
2
2
2
2
2
2
2
2
2
4
4
4
4
4
4
4
4
4
4
4
4
6
6
6
6
6
6

Response
2.7
2.5
2.4
2.5
2.7
2.3
2.5
2.5
2.4
2.4
2.6
2.4
5.1
3.9
4.2
5
3.8
3.9
3.9
3.9
3.9
4
4.1
3.8
5.8
5.7
5.9
5.9
6
6.1

Part
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
5
5

Master
6
6
6
6
6
6
8
8
8
8
8
8
8
8
8
8
8
8
10
10
10
10
10
10
10
10
10
10
10
10

Response
6
6.1
6.4
6.3
6
6.1
7.6
7.7
7.8
7.7
7.8
7.8
7.8
7.7
7.8
7.5
7.6
7.7
9.1
9.3
9.5
9.3
9.4
9.5
9.5
9.5
9.6
9.2
9.3
9.4

Con Minitab
1

File > Open worksheet > GAGELIN.MTW.

Seleccionar Stat > Quality Tools > Gage Study > Gage Linearity
and Bias Study.

1.

En Part numbers, seleccionar Part.

En Reference values, seleccionar Master.

En Measurement data, seleccionar Response.

En Process Variation, teclear 14.1941. Click OK.

69

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo


Gage Linearity and Bias Study for Response
Reported by :
T olerance:
M isc:

G age name:
D ate of study :

P redictor
C onstant
S lope

Regression
95% CI

1.0

Data
Avg B ias

S
Linearity

0.23954
1.86889

Bias

0.5

Reference
A v erage
2
4
6
8
10

0.0

-0.5

G age Linearity
C oef S E C oef
0.73667
0.07252
-0.13167
0.01093
R-S q
% Linearity

G age Bias
B ias % Bias
-0.053333
0.4
0.491667
3.5
0.125000
0.9
0.025000
0.2
-0.291667
2.1
-0.616667
4.3

P
0.000
0.000
71.4%
13.2

P
0.040
0.000
0.293
0.688
0.000
0.000

-1.0
2

6
Reference Value

10

Percent

Percent of Process Variation


10
5
0

Linearity

Bias

Interpretando los resultados

El porcentaje de linealidad (valor absoluto de la pendiente *


100) es 13.2, que significa que la Linealidad del gage es del
13% de la variacin total.

El porcentaje de sesgo para el promedio de referencia es 0.4, lo


que significa que el sesgo del gage es menor que 0.4% de la
variacin total observada.

3.6

La Distribucin Normal

La distribucin normal es una de las distribuciones ms usadas e


importantes. Se ha desenvuelto como una herramienta indispensable en
cualquier rama de la ciencia , la industria y el comercio. Muchos eventos
reales y naturales tienen una distribucin de frecuencias cuya forma es
muy parecida a la distribucin normal.
La distribucin normal es llamada tambin campana de Gauss por su
forma acampanada.

70

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Figura 3.13 Caractersticas de una Distribucin Normal

Propiedades de la distribucin normal

La distribucin normal tiene forma de campana.

La distribucin normal es una distribucin de probabilidad que tiene


media = 0 y desviacin estndar = 1.

El rea bajo la curva o la probabilidad desde menos infinito a ms


infinito vale 1.

La distribucin normal es simtrica

La escala horizontal de la curva se mide en desviaciones estndar.

La forma y la posicin de una distribucin normal dependen de los


parmetros

y .

La relacin del porcentaje de poblacin y la desviacin estndar. En la


figura 3.14, observamos que el rea bajo la curva para 1 tiene un
porcentaje de 68.26%, a 2 = 95.46% y a 3 = 99.73% .

-3 s -2 s -1 s

+1s +2s +3s


6 8 .2 6 %
9 5 .4 6 %
9 9 .7 3 %

Figura 3.14 Porcentajes del rea bajo la curva

La poblacin incluye todos los datos, la muestra es una porcin de sta.

71

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo


Poblacin

Muestra

+2

+3

x- 3s

x-2s

x- s

x+s

x+2s

x+3s

Figura 3. 15 Diferencias entre parmetros


La desviacin estndar
sigma representa la
distancia de la media al
punto de inflexin de la
curva normal

X
x-3

x-2

x-

x+

x+2

x+3

z
-3

-2

-1

Figura 3.16 Desplazamientos con base en las desviaciones estndar

La distribucin normal estndar


El valor de z
Determina el nmero de desviaciones estndar entre algn valor X y
la media de la poblacin .

Para calcular el valor de Z usamos la

siguiente frmula.

Z=

La distribucin de probabilidad f (Z) es una distribucin normal con


media 0 y desviacin estndar 1; esto es Z se distribuye normalmente
con media cero y desviacin estndar = 1 Z~N(0,1): La grfica de
densidad de probabilidad se muestra en la figura.

72

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo


F(z)

= 1

Z
0

Figura 3.17 Correlacin con la distribucin Normal

La distribucin f (Z) se encuentra tabulada en la tabla de distribucin


normal estndar. En esta tabla podemos determinar los valores de Z o
la probabilidad de determinado valor Z.
Ejemplo 3.5 : El gerente de personal de una compaa requiere que
los solicitantes efecten cierta prueba y alcancen una calificacin de
500. Si las calificaciones de la prueba se distribuyen normalmente con
media = 485 y desviacin estndar = 30 Qu porcentaje de los
solicitantes pasar la prueba? Calculando el valor de Z obtenemos:
Z=

= 500 485 = 0.5


30

Buscamos el valor de Z en las tabla de dist. normal. Z0.5 = 0.69146 =


69.146%. siendo la probabilidad de que la calificacin sea menor a 500
P (X<500). Dado que el porcentaje pedido es P( X 500) la solucin es 1485

30.85%

Z.05

0.69146 =0.3085 , 30.85% de los participantes pasarn la prueba.


Figura 3.18 Representacin de la solucin

73

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Ejemplo 3.6:
Encuentre las probabilidades siguientes usando la tabla Z.
a) P(-1.23 < Z > 0)

-1.23
0

Figura 3.19 Representacin de la solucin

Solucin: Buscamos el valor Z1..23 en las tablas siendo este = .89065.


restando .89065-.05 = .3905, este valor es la probabilidad de 0 a
1.23 que es exactamente la misma de 1.23 a 0 por simetra. Por lo
tanto la probabilidad es .3905
Uso de la distribucin normal en Excel

Para calcular la probabilidad dado un valor Z

procedemos de la

siguiente manera:
En la barra de herramientas seleccione el icono de funciones
fx> Estadsticas>Distr.Norm.Estand (-Z) OK
Seleccione la celda que contiene el valor de Z, que en este caso es
Z= 1.3 , de clic en aceptar y aparecer la probabilidad buscada P(z)=
0.903199

Para calcular Z dada una probabilidad f(z)

En la barra de herramientas seleccione el icono de funciones


fx>Estadsticas>Distr.Norm.Estand.inv(probabilidad ) OK

De clic en aceptar. Procedemos de la misma manera que en el


caso anterior, pero en esta ocasin seleccionamos la probabilidad
0.93319

El valor Z = 1.4999

74

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Cuando no tenemos valores de Z ni probabilidad.

Ejemplo 3.7:
Suponga que una distribucin normal tiene una media de 20 y una
desviacin estndar de 4. calcule la probabilidad P (X > 24).
En la barra de herramientas seleccione el icono de funciones
fx>Estadsticas>Distr.Norm.Estand(4). OK
El sistema muestra la siguiente ventana, en la cual llenamos los
siguientes datos:
El resultado de la frmula = 0.97724. , dado que esta es la probabilidad
P(X 24), la probabilidad buscada
P (X > 24) = 1-.8413= .1587
Para clculos utilizando el paquete Minitab, usar:
1. Calc >Probability Distributions >Normal
2. Indicar Cumulative Distribution o inverse Cumulative
Distribution (dando valores de Z se obtienen valores de rea) o
Inverse Cumulative Distribution (dando reas proporciona los
valores de Z).
3. En Input constant indicar el valor de Z (cumulative) para
obtener el rea bajo la curva o proporcionar el rea bajo la curva
(Inverse cumulative) para obtener el valor de Z. OK
4. Si se especifica una columna Cx para almacenamiento de los
resultados, estos no se muestran automticamente, para verlos
5. es necesario ejecutar la opcin
3.7

>Manip >Display Data

Capacidad de procesos normales

Al planear los aspectos de calidad de la manufactura, es sumamente


importante asegurarse de antemano de que el proceso ser capaz de
mantener las tolerancias. En las dcadas recientes ha surgido el

75

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

concepto de capacidad del proceso habilidad del proceso, que


proporciona una prediccin cuantitativa de qu tan adecuado es un
proceso. La habilidad del proceso es la variacin medida, inherente del
producto que se obtiene en ese proceso.
Definiciones bsicas.

Proceso:
mquinas,

ste

se

refiere

herramientas,

alguna

mtodos,

combinacin
materiales

nica

de

personas

involucradas en la produccin.

Capacidad o habilidad: Esta palabra se usa en el sentido de


aptitud, basada en el desempeo probado, para lograr resultados
que se puedan medir.

Capacidad del proceso: Es la aptitud del proceso para producir


productos dentro de los lmites de especificaciones de calidad.

Capacidad medida: Se refiere al hecho de que la capacidad del


proceso se cuantifica a partir de datos que, a su vez, son el
resultado de la medicin del trabajo realizado por el proceso.

Capacidad inherente: Se refiere a la uniformidad del producto


que resulta de un proceso que se encuentra en estado de control
estadstico,

es

decir,

en

ausencia

de

causas

especiales

atribuibles de variacin.

Variabilidad natural: Los productos fabricados nunca son


idnticos sino que presentan cierta variabilidad, cuando el proceso
est bajo control, solo actan las causas comunes de variacin en
las caractersticas de calidad.

Valor Nominal: Las caractersticas de calidad tienen un valor


ptimo que es el que desearamos que tuvieran todas las partes
fabricadas pero que no se obtiene, aunque todo funcione
correctamente, debido a la existencia de la variabilidad natural.

76

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Objetivos 24
1. Predecir en que grado el proceso cumple especificaciones.
2. Apoyar a diseadores de producto o proceso en sus modificaciones.
3. Especificar requerimientos de desempeo para el equipo nuevo.
4. Seleccionar proveedores.
5. Reducir la variabilidad en el proceso de manufactura.
6. Planear la secuencia de produccin cuando hay un efecto interactivo
de los procesos en las tolerancias.
LSE

LIE

s
p

xi

_
X

Figura 3.20 Piezas dentro de especificacin

p= porcentaje de medidas bajo la curva de probabilidad fuera de


especificaciones.
Partes fuera de especificaciones
En el rea sombrada observamos medidas fuera de los lmites de
especificacin.

Figura 3.21 Piezas fuera de especificacin

Para solucionar este problema, podemos reducir la desviacin estndar.

Figura 3.22 Reduccin de la Desviacin estndar

Tambin podramos cambiar la media.


24

Douglas C. Montgomery, Introduction to Statistical Quality Control, Second Edition, p 307,Mxico, 2005

77

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Figura 3.23 Centrando la Media

Lo ideal sera, por supuesto cambiar ambas.

Figura 3.24 Ajustando ambas

Condiciones para realizar un estudio de capacidad del proceso


Para realizar un estudio de capacidad es necesario que se cumplan los
siguientes supuestos 25 :

El proceso se encuentre bajo control estadstico, es decir sin la


influencia de fuerzas externas o cambios repentinos. Si el proceso
est fuera de control la media y/o la desviacin estndar del proceso
no son estables y, en consecuencia, su variabilidad ser mayor que la
natural y la capacidad potencial estar infravalorada, en este caso no
es conveniente hacer un estudio de capacidad.

Se recolectan suficientes datos durante el estudio de habilidad para


minimizar el error de muestreo para los ndices de habilidad. Si los
datos se componen de menos de 100 valores, entonces deben
calcularse los lmites de confianza inferiores.

Los datos se recolectan durante un periodo suficientemente largo


para asegurar que las condiciones del proceso presentes durante el
estudio sean representativos de las condiciones actuales y futuras.

El parmetro analizado en el estudio sigue una distribucin de


probabilidad normal, de otra manera, los porcentajes de los
productos asociados con los ndices de capacidad son incorrectos.

25

J. M. Juran, Anlisis y planeacin de la Calidad, Tercera Edicin Mc. Graw Hill, p.404, Mxico, 1998

78

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Tambin es importante al realizar un estudio de capacidad, asegurarnos


que la variacin en el sistema de medicin no sea mayor al 10%.
Variacin a corto plazo y a largo plazo
Existen dos maneras de expresar la variabilidad:
Variacin a corto plazo (Zst).- Los datos son recogidos durante un
periodo de tiempo suficientemente corto para que sea improbable que
haya cambios y otras causas especiales.
Las familias de variacin han sido restringidas

de tal manera que los

datos considerados, slo son los que se obtuvieron del subgrupo


racional. Ayuda a determinar subgrupos racionales importantes.

Figura 3.25 Variacin a Corto plazo

Variacin a Largo Plazo(Zlt).=

Los datos se colectan durante un

periodo de tiempo suficientemente largo y en condiciones diversas para


que sea probable que contenga algunos cambios de proceso y otras
causas especiales. Aqu

todas las familias de variacin

exhiben su

contribucin en la variacin del proceso general.

Figura 3.26 Variacin a largo plazo

Para el clculo de Z utilizamos las siguientes formulas:

79

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Z st =

(lmite especif . nom.)

Z LT =

desv.std ST
lmite especif . media
desv.std LT

(3.1)
(3.2)

dnde:
Zst = variacin a corto plazo.
nom = Valor nominal u objetivo
Zlt = variacin a largo plazo.
Z shift.- A largo plazo los procesos tienen un desplazamiento natural de
1.5 desviaciones estndar.
Zlt = Zst-1.5shift
Clculo de la capacidad del proceso:
Para calcular la habilidad o capacidad potencial utilizamos la siguiente
frmula:

Cp =

(LSE LIE )

(3.3)

6S

donde:
Cp

= capacidad potencial

LSE = lmite superior de especificaciones


LIE
S

= lmite inferior de especificaciones


= desviacin estndar

El ndice Cp debe ser 1 .6

para tener el potencial de cumplir con

especificaciones (LIE, LSE)


Para calcular la habilidad o capacidad real utilizamos la siguiente
frmula:

C pk =

menor Z I , Z S
3

(3.4)

80

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Para que el proceso cumpla con las especificaciones el Cpk debe de ser
1 .33

Capacidad del proceso a partir de histogramas


Procedimiento:
1. Seleccionar un proceso especfico para realizar el estudio
2. Seleccionar las condiciones de operacin del proceso
3. Seleccionar un operador entrenado
4. El sistema de medicin debe tener habilidad (error R&R < 10%)
5. Cuidadosamente recolectar la informacin
6. Construir un histograma de frecuencia con los datos
7. Calcular la media y desviacin estndar del proceso
8. Calcular la capacidad del proceso.
Ejemplo 3.8

Capacidad de proceso a partir de histogramas

Observamos que el histograma tiene forma normal.


Calculando la media y la desviacin estndar tenemos:

X = 264.06

S = 32.02

La variabilidad del proceso se encuentra en 6 s = 192.12


Si las especificaciones fueran LIE = 200 y LSE = 330
Cp =

(LSE LIE ) = (330 200) = .67 < 1, el proceso no es hbil.

Zi =

(330 264.06) = 2.06

6S

32.02

192.2

Zs =

(200 264.06) = 2
32.02

Cpk = menor de Zi y Zs= -2 < 1 , por lo tanto proceso no cumple


especificaciones.

81

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Capacidad a partir de cartas de control


En casos especiales como estos donde las variaciones presentes son
totalmente

inesperadas

tenemos

un

proceso

inestable

impredecible.
?
?
?
?

?
?
?

Figura 3.27 Capacidad no predecible por alta variacin

Si las variaciones presentes son iguales, se dice que se tiene un proceso


estable. La distribucin ser predecible en el tiempo.

Prediccin

Tiempo

Figura 3.28 Capacidad predecible por baja variacin

Clculo de la desviacin estndar del proceso

R
S
=
(Para cartas de control X-R y X-S respectivamente)
d2
C4

Donde,
S = Desviacin estndar de la poblacin
d2 = Factor que depende del tamao del subgrupo en la carta de control
X-R
C4 = dem al anterior para una carta X - S

82

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

En una carta por individuales, d2 se toma para n = 2 y Rango Medio =


Suma rangos / (n -1)
Ejemplo 3.9 (carta X - R):
De una carta de control X - R (con subgrupo n = 5) se obtuvo lo
siguiente, despus de que el proceso se estabiliz quedando slo con
causas comunes:

= 64.06 ,

R = 77.3

Por tanto estimando los parmetros del proceso se tiene:

= x (media de medias )
=

R
77.3
=
= 33.23
d 2 2.326

Si el lmite de especificacin es: LIE = 200.


El C pk =

(200 264.06)
3 33.23

0.64 por tanto el proceso no cumple con las

especificaciones.
Capacidad de procesos en Minitab
Nos aseguramos que los datos se distribuyan normalmente con la
prueba de Ryan como sigue:
1. Stat > Basic statistics > Normality Test
2. Variable C1

Seleccionar Ryan Joiner test OK

El P value debe ser mayor a 0.05 para que los datos se distribuyan
normalmente ver Figura 3.29.

83

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Figura 3.29 Prueba de Normalidad

Otra opcin por medio de una grfica de probabilidad normal, se tiene:


3. Graph > Probability plot > Normal
4. Graph Variable C1
5. Distribution Normal OK
Los puntos deben quedar dentro del intervalo de confianza para indicar
que es normal la distribucin.

Figura 3.30 Prueba de Normalidad con intervalos de confianza

84

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Determinacin de la capacidad del proceso


Una vez comprobada la normalidad de los datos, determinar la
capacidad con:
1. Stat > Quality tools > Capability analysis > Normal
2. Single column C1 Subgroup size 1 Lower Spec 200
Upper spec 330
3. Estimate R-bar OK
Los resultados se muestran a continuacin en la Figura 3.31:
Process Capability of Datos
LSL

USL
Within
Ov erall

P rocess D ata
LS L
200.00000
Target
*
USL
330.00000
S ample M ean
269.25354
S ample N
100
S tDev (Within)
30.83472
S tDev (O v erall)
30.80011

P otential (Within) C apability


0.70
Cp
C PL
0.75
C PU
0.66
C pk
0.66
C C pk 0.70
O v erall C apability
Pp
PPL
PPU
P pk
C pm

210
O bserv ed P erformance
P P M < LS L
10000.00
P P M > U S L 30000.00
P P M Total
40000.00

240

E xp. Within P erformance


P P M < LS L 12353.30
P P M > U S L 24415.36
P P M Total
36768.66

270

300

330

0.70
0.75
0.66
0.66
*

360

E xp. O v erall P erformance


P P M < LS L
12272.69
P P M > U S L 24288.79
P P M Total
36561.48

Figura 3.31 Capacidad de Proceso

Interpretacin:
La desviacin estndar Within se determina en base al Rango medio y
d2 (1.128 para n = 2), con esta se determinan los ndices de capacidad
potencial Cp y Cpk, as como el desempeo Within, lo cual es adecuado
para un proceso en control o normal.

85

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

La desviacin estndar Overall se determina con la desviacin estndar


de todos los datos de la muestra dividido entre el factor C4 = 4(n1))/(4n 3), con esta desviacin estndar se determinan los ndices de
desempeo Pp y Ppk as como el desempeo Overall, no importando si
el proceso est en control o no, en este ltimo caso los valores no
tienen significado prctico.
Opcin Six Pack para mostrar toda la informacin relevante:
Determinar la capacidad con:
4. Stat > Quality tools > Capability Six Pack > Normal
5. Single column

C1

Subgroup size

Lower Spec 200

Upper spec 330


6. Estimate R-bar OK
Los resultados se muestran en la Figura 3.32:

Figura 3.32 Habilidad del Proceso

86

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

En este caso de la grfica de probabilidad normal, los datos siguen una


distribucin normal.
3.8

Capacidad de procesos no normales.

Cuando los datos provienen de poblaciones no normales una opcin para


realizar el estudio de capacidad de procesos es mediante la distribucin
Weibull.
Ejemplo en Minitab 3.10
En una compaa se manufacturan losetas para piso, el problema que se
tiene es referente a la deformacin en las mismas. Se toman 100
mediciones durante 10 das. El lmite superior de especificacin (USL) =
3.5 mm. Realice un estudio de capacidad con la ayuda de Minitab e
interprete los resultados.
Generar 100 datos aleatorios en Minitab con Factor de forma = 1, Factor
de escala = 1 con
7. Calc > Random data > Weibull
8. Generate 100 Store in columns C1

Shape parameter 1.2

Scale parameter 1 Threshold parameter 0 OK


Considerando Lmites de especificaciones LIE = 0 y LSE = 3.5
Determinar la capacidad con:
9. Stat > Quality tools > Capability anlisis > NoNormal
10.

Single column C1 Dsitribution Weibull Lower Spec 0

Upper spec 3.5


11.

Estimate R-bar OK

Los resultados se muestran en la Figura 3.33:

87

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Figura 3.33 Distribucin Weibull

El histograma no muestra evidencia de alguna discrepancia seria entre


el modelo y los datos, ya que la curva muestra buen ajuste. Sin
embargo observamos que algunos datos caen fuera del lmite superior
de especificacin. Lo cual quiere decir que en algunos casos la
deformacin ser mayor a 3.5 mm.
El ndice Ppk y Ppu 26 = 0.85 lo cual nos dice que el proceso no es capaz
ya que 0.85<.1.33
En la misma figura se puede observar que las PPM > USL son, 3795 lo
cual significa que aproximadamente 3,795 PPM de nuestro producto
estar fuera de especificacin.

26

Los ndices Pp y Ppk son similares a los ndices Cp y Cpk , se refieren a la capacidad del proceso a largo
plazo.

88

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Conclusiones
En este captulo se han descrito las diferentes etapas de la fase de
medicin, se habl adems, de la estadstica bsica aplicada a la fase de
medicin, se explic del Anlisis del Sistema de Medicin que abarca el
Gage R & R, as como la prueba de linealidad del instrumento de
medicin, se mostraron las caractersticas de la curva de distribucin
normal

por

ltimo,

la

forma

del

clculo

de

procesos

con

comportamiento normal y aquellos que no son normales.

89

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

CAPTULO 4 FASE DE ANLISIS

Definir
Definir

4.1

Medir

Analizar
Analizar

Mejorar
Mejorar

Controlar
Controlar

Introduccin

En esta fase se efecta el anlisis de los datos obtenidos en la etapa de


Medicin, con el propsito de conocer las relaciones causales o causas
raz del problema. La informacin de este anlisis nos proporcionar
evidencias de las fuentes de variacin y desempeo insatisfactorio, el
cual es de gran utilidad para la mejora del proceso.
Los objetivos de esta fase son:

Determinar el nivel de desempeo del proceso actual.

Identificar cuales son las fuentes de variacin. Por ejemplo mediante


el anlisis Multi-Vari podemos determinar las fuentes que presentan
mayor variacin, a travs de la descomposicin de los componentes
de variabilidad del proceso. las cules pueden ser, por ejemplo: de
lote a lote, dentro del lote, de turno a turno, entre turnos, dentro del
turno, de mquina a mquina, dentro de la mquina, de operador a
operador, dentro del operador, entre operadores, etc.

Una vez identificadas las causas potenciales por medio de una lluvia
de ideas y un diagrama de causa efecto, se realiza un proceso de
validacin estadstica de las mismas apoyndose en Anlisis de
regresin, Pruebas de Hiptesis y Anlisis de varianza.

Las herramientas incluidas en est fase se muestran en la tabla 4.1:

90

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Herramienta

Para qu es utilizada?

Capacidad del proceso.

Determinar

cual es el desempeo

del proceso para cumplir con los


lmites de especificaciones.
Mediciones

para

seis Mide la capacidad del proceso en

sigma

trminos cuantificables, revisndolo


para su mejora a travs del tiempo.

AMEF (FMEA)

Identificar las maneras en las cuales


un

proceso

puede

fallar

para

alcanzar los requerimientos crticos


del cliente. Estimar el riesgo de las
causas especficas en relacin con
estas fallas.
Intervalos de confianza y Herramienta
Pruebas de hiptesis

utilizada

para

ser

inferencias de la poblacin a partir


de una muestra.

Tablas de contingencia

Comparacin de valores esperados


vs observados.

Anlisis Multivari

El objetivo general de las cartas


Multi-Vari

es,

componentes

de

descubrir
variacin

los
en

el

proceso y cuantificar las diferentes


fuentes de variabilidad.
Metodologa
Anlisis

de

Varianza variacin

(ANOVA)

interior

para

entre
de

analizar
muestras

las

la
y

mismas

al
con

varianzas. Nos sirve para comparar


dos o ms medias poblacionales.
Anlisis de Regresin

Sirve para predecir el valor de una

91

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

variable a partir de una o ms


variables. Es usada para conocer las
relaciones
variables

que

existen

entre

dependientes

las
e

independientes.
Tabla 4.1 Herramientas de anlisis

4.2

Etapas de la fase de anlisis

La fase de anlisis consta de las siguientes etapas:


4.2.1

Determinar la capacidad del proceso

La capacidad del proceso mide la habilidad del proceso para cumplir con
los requerimientos. Compara la variacin del proceso contra la variacin
permitida por el cliente.
Utilizando la herramienta mediciones para Seis Sigma se calcula:
DPU: es la relacin de la cantidad de defectos, entre el
nmero de unidades producidas.
DPO: es similar al DPU excepto porque considera el numero
total de oportunidades que existen para que un defecto
ocurra.
DPMO (PPM) = es el producto de DPO X 1,000,000.
Sigma a corto plazo

(ST): es el nivel de desviaciones

estndar (sigma) en el cual se encuentra nuestro proceso.


Sigma a Largo plazo (LT): Es el sigma a corto plazo 1.5,
por

el

desplazamiento que tiene la media a lo largo del

tiempo, si no se toma antes una medida preventiva.


4.2.2

Definir el objetivo de desempeo

En esta etapa se define la meta que perseguimos, es decir el nivel de


sigma esperado. Una opcin es realizar un Benchmarking, este es un

92

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

mecanismo para identificar quien tiene el mejor desempeo, ya sea


dentro o fuera de la organizacin y comparamos nuestros valores contra
ese parmetro de referencia y determinar la brecha existente.
4.2.3

Identificar las fuentes de variacin

Cuando un proceso esta fuera de las especificaciones, hay evidencia de


que

existe

variacin.

Para

comprobarlo

usamos

alguna

de

las

herramientas de anlisis, segn sea el caso, por ejemplo, el anlisis


Multi-Vari es una herramienta estadstica que nos permite determinar
cuales

fuentes

presentan

mayor

variacin,

travs

de

la

descomposicin de los componentes de variabilidad del proceso. Una


vez determinadas las causas de variacin, nos enfocaremos en los
pocos vitales X que estn afectando la variable de respuesta Y. Esto
se puede priorizar usando el diagrama de Pareto.
Variacin del
Proceso

Variacin Actual del Proceso

Variacin a Largo
Plazo

Variacin del Proceso de Medicin

Variacin a Corto
Plazo

Exactitud
(Sesgo)

Variacin debida al
Equipo de Medicin

Variacin debida al
operador

Precisin
(Error de Medicin)

Discriminacin
(Resolucin)

Otras fuentes de
Variacin

Figura 4-1 Posibles fuentes de variacin del proceso.

Para

una

validacin

estadstica

de

causas

se

utilizan

diversas

herramientas estadsticas como las que se explican a continuacin.

93

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

4.3

Regresin lineal

La Regresin lineal es la prediccin del valor de una variable a partir de


una o ms variables. La variable predecida es la variable dependiente
(Y) y la variable independiente (x) variable de prediccin.
En muchos problemas hay dos o ms variables relacionadas, y es
necesario explorar la naturaleza de esta relacin. El anlisis de regresin
puede emplearse para construir un modelo que exprese el rendimiento
como una funcin de la temperatura. Este modelo puede usarse para
predecir el rendimiento a un nivel determinado de temperatura.
Supuestos para el modelo de regresin lineal
1. Cada valor de x, la variable aleatoria se distribuye normalmente.
2. Para cada valor de x, la media o valor esperado de es 0; esto es,

E ( ) = = 0 .
3. Para cada valor de x, la varianza de es la constante 2 (llamada
varianza del error).
4. Los valores del trmino de error son independientes.
5. Para un valor fijo de x, la distribucin muestral de Y es normal,
porque sus valores dependen de los de .
6. Para un valor fijo x, es posible predecir el valor de Y.
7. Para un valor fijo x, es posible estimar el valor promedio de Y.
Ejemplo 1:
La revista Motor Trend 27 presenta a menudo, datos del rendimiento de
automviles, comparando el tamao del motor en pulgadas cbicas de
desplazamiento (pcd) y las millas por galn (mpg) estimadas para ocho
modelos de automviles subcompactos modelo 1984.
27

Motor Trend es marca registrada

94

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

tamao del motor (pcd) x


coches compactos
Chevrolet Cavalier
121
Datsun Nissan Stanza
120
Dodge Omni
97
Ford Escort
98
Mazda 626
122
Plymouth Horizon
97
Renault Alliance/Encore
85
Toyota Corolla
122

millas/galn (mpg), y
30
31
34
27
29
34
38
32

Tabla 4.2 Relacin entre el rendimiento y el desplazamiento cbico de un motor

Graficando los datos en un diagrama de dispersin podemos observar


la coleccin de los ocho pares de datos (x, y) como muestra de una
poblacin

de

pares,

donde

las

medidas

pulgadas

cbicas

de

desplazamiento (pcd) x pueden tomar cualquier valor en el rango de


valores que se extiende de 85 a 122. Para cada pcd posible hay muchos
millajes asociados con ella. Por ejemplo para un tamao del motor de 98
hay un gran nmero de millajes asociados, uno por cada coche cuyo
tamao sea 98 pcd. Asumamos que existe una relacin lineal para la
poblacin de pares de datos de pcd y mpg. (Se entiende por relacin
lineal cuando la variable y tiene una tendencia a crecer o decrecer,
cuando la variable x aumenta y el valor r tiende a 1).
Clculo por medio de Minitab
Las instrucciones para Minitab son:
> Stat > Regression > Regression
Seleccionar Response = Columna de las Y's
Seleccionar Predictors = Columnas de las Xs
OK

95

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Figura 4.2 Regresin Lineal

Usamos el modelo probabilstico para explicar el comportamiento de


los millajes para las ocho medidas de tamao de motor, este se llama
modelo de regresin lineal 28 , y expresa la relacin lineal entre
tamao de motor (x) y millas por galn (y).
Modelo de regresin lineal

y = 0 + 1 x +

(4.1)

Donde:
y

= variable dependiente

0 = ordenada al origen
1 = pendiente
x

= variable independiente

= Error aleatorio
La expresin 0 + 1 x se denomina

componente determinstica del

modelo de regresin lineal. La muestra de pares de datos se usar para


estimar los parmetros 0 y 1 de la componente determinstica.
28

Portus, Lincoyn. Curso Prctico de Estadstica. Mxico, p 25, Mxico, Editorial Mc Graw Hill. 1988

96

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

4.4

Cartas Multi Vari

Tcnica de pre-experimentacin diseada para aislar y cuantificar los


mayores componentes de variabilidad en procesos de produccin. El
anlisis Multi-Vari permite determinar las fuentes que presentan mayor
variacin, a travs de la descomposicin de los componentes de
variabilidad del proceso, fueron desarrolladas por Dorian Shainin 29 ,
encaminadas a la mejora del proceso.
El

objetivo

general

de

las

cartas

Multi-Vari

es,

descubrir

los

componentes de variacin en el proceso, por ejemplo: de lote a lote,


dentro del lote, de turno a turno, entre turnos, dentro del turno, de
mquina a mquina, dentro de la mquina, etc.
Las cartas Multi-Vari identifican tres principales familias de variacin que
pueden influenciar en la variabilidad del proceso, stas son: variacin
posicional, cclica y temporal.
1. Variacin posicional. Se refiere a variaciones dentro de una misma
pieza, variaciones producidas de un troquel a otro, dentro de un lote
de piezas, de una mquina a otra, de un operador a otro, o de una
plata a otra.
2. Variacin cclica. Es la variacin entre unidades de un mismo proceso,
o variacin entre grupos de unidades (lotes).
3. Variacin temporal. Variacin de diferencia de tiempo (por ejemplo:
de hora a hora, de da a da, de semana a semana, etc.), variacin de
una corrida de produccin a otra, o variacin de turno a turno.

29

Dorian Shainin (1914 2000). Precursor de herramientas como Lot-plot, Multi-Vari, Pre-control, B vs C,
(prueba no paramtrica de significancia estadstica basada en la tcnica de John Tukey), paired comparisons,
y otras.

97

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Una vez identificados las fuentes de variacin, el anlisis Multi-Vari esta


diseado para identificar la variable independiente de mayor influencia
dentro de las familias de variacin descritas anteriormente.
Pasos para elaborar una carta Multi-Vari
1. Seleccin del proceso. Cualquier proceso que se presente fuera de las
especificaciones permitidas es candidato a ser seleccionado para
posteriormente ser analizado por medio de cartas Multi-Vari.
2. Plan de muestreo y toma de mediciones. El objetivo es tomar
mediciones que otorguen informacin con respecto a las principales
familias de variacin que pueden influenciar en la variabilidad del
proceso. Es decir, para el caso de variacin posicional, tomar
mediciones en una mquina y en otra, stas mediciones deben ser
tomadas de manera que resulten en un muestreo aleatorio. El
muestreo aleatorio puede ser llevado a cabo con tablas de nmeros
aleatorios, dichas tablas contienen una serie de columnas y renglones
de nmeros, por ejemplo, el ltimo dgito de un nmero nos puede
dar el intervalo de minutos que se debe esperar para tomar la
siguiente medicin.
3. Toma de mediciones para variacin simultnea. Es recomendable
tambin realizar una toma de mediciones que cubra ms de una
familia de variabilidad, por ejemplo es posible incluir la variacin
temporal o la variacin cclica a una carta Multi-Vari que este
enfocada en la variacin posicional.
4. Determinar los limites de variacin. Obtener el mximo y el mnimo
del total de las mediciones tomadas anteriormente. As como el
mximo y el mnimo para cada familia de variabilidad seleccionada.

98

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

5. Graficar los rangos. Las cartas Multi-Vari estn formadas por cuatro
ejes dispuestos de manera rectangular.
a. Ejes. Los ejes verticales (izq. y der.) grafican la escala de la
medidas tomadas, use como gua los lmites de variacin
obtenidos en el paso 4. El eje horizontal inferior es usado para
identificar las unidades muestreadas, la posicin, etc. El eje
horizontal superior es usado para agrupar por lotes, para
agrupar por turno, por mquina, etc.
b. Cajas. La representacin es similar a una grfica de Box and
Whiskers, con la diferencia que el eje horizontal superior
define los lmites horizontales de las cajas. Los lmites
verticales de las cajas estn definidos por la medicin mxima
y el mnima de la familia de variabilidad seleccionada.
c. Mediciones. Las mediciones se ordenan clasificando por la
familia de variabilidad representada en el eje horizontal
superior. Posteriormente, son agrupadas por la familia de
variabilidad

del

eje

horizontal

inferior.

Finalmente

son

representadas en la grfica y unidas por una lnea horizontal.


d. Medias. La media de cada clasificacin de la familia de
variabilidad se representada en el eje horizontal superior. La
media de cada caja se grafica en el centro de cada caja. Las
medias son unidas con una lnea slida ver figura

99

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Lote A

Lote B

Lote C

Lote D

A B C

A B C

Medicin (pulg.)

1.4
1.3
1.2
1.1
1.0

A B

A B C

Troquel
Figura 4.3 Grfica Multi Vari

Ejemplo de cartas Multi-Vari


Se detect que el proceso de produccin de rondanas de plstico se
encuentra fuera de especificacin. El dimetro exterior es de 1.50 +
0.01. Se realiza un proceso de pre-experimentacin a travs de cartas
Multi-Vari para identificar la fuente de variabilidad. Se planifica un
muestreo

aleatorio

de

cinco

diferentes

lotes

de

material

ser

procesadas en dos diferentes inyectoras de plstico. Se toman cinco


muestras para cada una y para cada lote. Sumando 50 observaciones.
La figura 4.4, muestra la carta Multi-Vari obtenida. El software
estadstico usado para obtener esta carta es Minitab.

Figura 4.4 Grfica Multi Vari en Minitab

100

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Una carta Multi-Vari adicional correspondera a los ejes horizontales


invertidos, esto es, ordenados por lote y luego por inyectora.
4.5

Pruebas de hiptesis para una poblacin 30

Se trata de probar una afirmacin sobre parmetros de la poblacin


(media ; varianza 2 o proporcin ) con base en datos de estadsticos
de una muestra ( X , s2 o p respectivamente); probar las afirmaciones
en los parmetros se usan los estadsticos:
En una poblacin:
La media poblacional
La varianza poblacional
La proporcin poblacional

= 12;
2 = 12;
= 0.3

estadstico Zc
estadstico c2
estadstico Zc

En dos poblaciones:
Las medias poblacionales son iguales

1 = 2 o 1 - 2 = 0;
estadstico Zc o Tc

Las varianzas poblacionales son iguales 12 = 22 o 12 - 22 = 0;


estadstico Fc
Las proporciones poblacionales son iguales 1 = 2 o 1 - 2
estadstico Zc
-

= 0;

Hiptesis nula Ho, complemento de la Hiptesis alterna Ha:


o Es la hiptesis o afirmacin a ser probada
o Puede ser por ejemplo =, o a 5
o Slo puede ser rechazada o no rechazada

Hiptesis alterna Ha, complemento de la hiptesis nula:


o Es la hiptesis que se acepta como verdadera cuando se
rechaza Ho, es su complemento

30

Lind, Douglas, Mason, Robert. Estadstica para la Administracin y Economa. Mxico. Editorial Mac
Graw Hill. 2004

101

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Si el signo de la hiptesis alterna es entonces se trata de


una prueba de dos colas; si es > de cola derecha y si es <
de cola izquierda.

o Puede ser por ejemplo 5 para prueba de dos colas


o < 5 para prueba de cola izquierda
o > 5 para prueba de cola derecha

P(Z<= - Zexcel ) = alfa/2

P(Z>= + Zexcel ) = alfa/2

Regiones de rechazo
Figura 4.5 Representacin de la Prueba de Hiptesis

Se plantea la Ha si en el problema se muestra la afirmacin de ser


menor o mayor a un valor establecido histrico.

Se plantea la Ho si en el problema se muestra la afirmacin igual


(es o histricamente ha sido); mayor o igual (cuando menos) o
menor o igual (a lo ms) a un valor establecido histrico.
No importa cual se plantee primero, siempre la conclusin
se

hace contra la Ho (se rechaza o no se rechaza)

El intervalo de confianza es el intervalo donde se estima que se


encuentre el parmetro de la poblacin (media ; varianza 2 o
proporcin ) para un cierto nivel de confianza o de significancia.

Estadstico de prueba
o Para probar la hiptesis nula se calcula un estadstico de
prueba con la informacin de la muestra el cual se compara

102

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

a un valor crtico apropiado. De esta forma se toma una


decisin sobre rechazar o no rechazar la Ho
-

Error tipo I (alfa = nivel de significancia, es comn = 0.05 ). Alfa


( )= 1- Nivel de confianza
o Se comete al rechazar la Ho cuando en realidad es
verdadera. Tambin se denomina riesgo del productor.

Error tipo II beta ( )


o Se comete cuando no se rechaza la hiptesis nula siendo en
realidad falsa. Es el riesgo del consumidor.

Pruebas de Hiptesis de dos colas:


Si la Ho: = que un valor poblacional, entonces el riesgo alfa se
reparte en ambos extremos de la distribucin. Por ejemplo si Ha:

10 se tiene:
Ho: a = b
Ha: a b
P(Z<= - Zexcel ) = alfa/2

P(Z>= + Zexcel ) = alfa/2

Regiones de rechazo
Figura 4.6 Prueba de Hiptesis de dos colas

Pruebas de Hiptesis de cola derecha:


Si la Ho: , que un valor poblacional, entonces el riesgo alfa
es en el extremo derecho de la distribucin. Por ejemplo si Ho
10 y Ha: >10 se tiene una prueba de cola derecha:
Ho: a b
Ha: a > b

103

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

P(Z>= + Zexcel ) = alfa

Regin de
rechazo

Figura 4.7 Prueba de Hiptesis de cola derecha

Pruebas de Hiptesis cola izquierda:


Si la Ho: que un valor poblacional, entonces el riesgo alfa se
coloca en el extremo izquierdo de la distribucin. Por ejemplo si
Ho 10 y Ha: < 10 se tiene una prueba de cola izquierda:
Ho: a b
Ha: a < b

Regin de
rechazo

P(Z<= - Zexcel ) =
lf

Figura 4.8 Prueba de


Hiptesis
Zexcel
(
0.01 de cola izquierda

Pasos para probar una Prueba de Hiptesis


a) Probar la hiptesis de igualdad de una media para n > 30
1) Establecer las hiptesis e identificar el nivel de significancia alfa o 1Nivel de confianza (NC)
Ho: =
Ha:
2) Calcular el estadstico de prueba Zc o Tc con formula

Zc =

X HIPOTESIS

(4.2)

104

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

3) Determine el estadstico de tablas Zt o Tc de Excel para una alfa


4) Establecer la regin de rechazo con Zt y ver si cae ah Zc
Las regiones de rechazo prueba de 2 colas: - Z/2

y + Z/2

5) Determinar el Intervalo de confianza para la media y ver si incluye a


la media de la hiptesis, si no rechazar Ho

IC para = X Z / 2

o si no se conoce Sigma IC para = X Z / 2

S
n

6) Determinar el valor P correspondiente a Zc y comparar contra Alfa/2,


si es menor rechazar Ho
P value en Excel =DISTR.NORM.ESTAND(Zc)
Prueba de hiptesis en Minitab:
>Stat >Basic statistics > 1-Sample Z
Utilizar Sample in columns o Summarized data
Sample size 49 Mean 11.5 Standar deviation 1.1

Test Mean 12

Graphs Seleccionar / Individual value plot


Confidence level 90%

Alternative not equal

OK
Resultados:
One-Sample Z
Test of mu = 12 vs not = 12
The assumed standard deviation = 1.1
N

Mean

49 11.5000

SE Mean
0.1571

90% CI
(11.2415, 11.7585)

-3.18

0.001

Criterios de rechazo de Ho:


Si Zc cae en la zona de rechazo
El valor de la Hiptesis no se encuentra en el Intervalo de confianza

105

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

El valor P es menor que el valor de alfa (prueba de una cola) o de alfa/2


(dos colas).
a) Estadstico tc
desconocida:

para

muestras

pequeas

X HIPOTESIS

tC =

(n<30)

la

es

(4.3)

Estadstico de tablas T o T/2 en Excel =DISTR.T.INV(2*alfa o alfa,


grados de libertad n-1)
Intervalo de confianza para estimar con muestras pequeas (n < 30;
grados de libertad (gl.) = n 1):

IC para = X t / 2, gl

S
n

(4.4)

El valor p de probabilidad correspondiente al estadstico Tc se determina


como sigue:
P value en Excel =DISTR.T(Tc, grados de libertad, 1 o 2 colas)
Prueba de hiptesis en Minitab:
>Stat >Basic statistics > 1-Sample t
Utilizar Sample in columns o Summarized data
Sample size 10

Mean 11277

Standar deviation 3772

Test Mean 12000


Graphs Seleccionar ! Individual value plot
Confidence level 95%

Alternative not equal

OK
Resultados:
One-Sample T
Test of = 12000 vs not = 12000
N
10

Mean
11277.0

St Dev
3772.0

SE Mean
95% CI
T
1192.8 (8578.7, 13975.3) -0.61

P
0.559
106

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Criterios de rechazo de Ho:


Si Tc cae en la zona de rechazo
El valor de la Hiptesis no se encuentra en el Intervalo de confianza
El valor P es menor que el valor de alfa (prueba de una cola) o de alfa/2
(dos colas).
c) Estadstico Zc para proporciones y muestras grandes (n >= 30):

p =
Zc =

HIPOTESIS (1 HIPOTESIS )
n
(4.5)

p HIPOTESIS

Estadstico de tablas Zalfa o Zalfa/2 en Excel


=DISTR.NORM.ESTAND.INV(alfa o alfa/2)
Intervalo de confianza para estimar proporcin poblacional:

p (1 p )
n
IC para = p Z / 2 S p

Sp =

(4.6)

El valor p de probabilidad correspondiente al estadstico Zc se determina


como sigue:
P value en Excel =DISTR.NORM.ESTAND(Zc)
Prueba de hiptesis en Minitab
>Stat >Basic statistics > 1- Proportion
Summarized data
Number of trial

500

Number of events 225

Graphs Seleccionar ! Individual value plot


Confidence level 98% Test proportion 0.40
Alternative Less than
! Use test and interval based on normal distribution
OK
107

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Resultados:
Test and CI for One Proportion
Test of p = 0.4 vs p < 0.4
Sample
1

X
225

N
500

Sample p
0.450000

Bound
0.495693

Z-Value
2.28

P-Value
0.989

Criterios de rechazo de Ho:


Si Zc cae en la zona de rechazo
El valor de la Hiptesis no se encuentra en el Intervalo de confianza
El valor P es menor que el valor de alfa (prueba de una cola) o de alfa/2
(dos colas).
d)

Estadstico tc para muestras pequeas (n < 30) y la es

desconocida:
tC =

X HIPOTESIS
s

(4.7)

Estadstico de tablas Talfa o Talfa/2 en Excel =DISTR.T.INV(2*alfa o


alfa, grados de libertad n-1)
Intervalo de confianza para estimar con muestras pequeas (n < 30;
grados de libertad (gl.) = n 1):
S
IC para = X t / 2 , gl
(4.8)
n
El valor p de probabilidad del estadstico Tc se determina como sigue;
P value en Excel =DISTR.T(Tc, grados de libertad, 1 o 2 colas)
Prueba de hiptesis en Minitab:
>Stat >Basic statistics > 1-Sample t
- Utilizar Sample in columns o Summarized data
Sample size 10 Mean 11277

Standar deviation 3772

Test Mean 12000


-Graphs Seleccionar ! Individual value plot
-Confidence level 95%

Alternative not equal OK


108

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Resultados:
One-Sample T
Test of mu = 12000 vs not = 12000
N
10

Mean
11277.0

StDev
3772.0

SE Mean
95% CI
1192.8 (8578.7, 13975.3)

T
-0.61

P
0.559

Criterios de rechazo de Ho:


Si Tc cae en la zona de rechazo
El valor de la Hiptesis no se encuentra en el Intervalo de confianza
El valor P es menor que el valor de alfa (prueba de una cola) o de alfa/2
(dos colas).
e) Estadstico Zc para proporciones y muestras grandes (n >= 30):

p =
Zc =

HIPOTESIS (1 HIPOTESIS )
n
p HIPOTESIS

(4.9)

Estadstico de tablas Zalfa o Zalfa/2 en Excel


=DISTR.NORM.ESTAND.INV(alfa o alfa/2)
Intervalo de confianza para estimar proporcin poblacional:

p(1 p)
n
IC para = p Z / 2 S p

Sp =

(4.10)

El valor p de probabilidad correspondiente al estadstico Zc se determina


como sigue:
P value en Excel =DISTR.NORM.ESTAND(Zc)
Prueba de hiptesis en Minitab
>Stat >Basic statistics > 1- Proportion
109

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Summarized data
Number of trial 500

Number of events

225

Graphs Seleccionar ! Individual value plot


Confidence level 98% Test proportion 0.40
Alternative Less than
! Use test and interval based on normal distribution OK
Resultados:
Test and CI for One Proportion
Test of p = 0.4 vs p < 0.4
Sample
1

X
225

N
500

Sample p
0.450000

Bound
Z-Value
0.495693
2.28

P-Value
0.989

Criterios de rechazo de Ho:


Si Zc cae en la zona de rechazo
El valor de la Hiptesis no se encuentra en el Intervalo de confianza
El valor P es menor que el valor de alfa (prueba de una cola) o de alfa/2
(dos colas).
f) Tamao de muestra para estimar en funcin del error ( X ) :

Z 2 / 2
n=
( X )2

(4.11)

g) Tamao de muestra para estimar en funcin del error ( p ) , en


el peor caso = 0.5:

Z 2 / 2 ( )(1 )
n=
( p )2
4.6

(4.12)

Pruebas de hiptesis para dos poblaciones

Pruebas de igualdad de dos varianzas

110

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Presentaremos ahora pruebas para comparar dos varianzas. Supngase


que son dos las poblaciones de inters, por ejemplo X1 y X2, donde

1, 12 , 2 , 22 , se desconocen. Deseamos probar hiptesis relativas a la


igualdad de las dos varianzas, H 0 : 12 = 22 . Considrese que se disponen
dos muestras aleatorias de tamao n1 de la poblacin 1 y de tamao n2
de la poblacin 2, y sean S12 yS 22 las varianzas de muestra. Para probar la
alternativa de dos lados

H 0 : 12 = 22

H 1 : 12 22
Utilizamos el hecho de que la estadstica

F0

S 12
= 2
S2

(4.13)

Se distribuye como F, con n1-1 y n2 1 grados de libertad.


Rechazaramos H0 si:

F0 > F 2 , n1 1, n 2 1
o si

F0 < F1 2,n1 1,n2 1


Donde F 2,n1 1,n2 1 y F1 2,n1 1,n2 1 son los puntos porcentuales 2 superior e
inferior de la distribucin F con n1-1 y n2-2 grados de libertad. La tabla F
proporciona slo los puntos de la cola superior de F, por lo que para
determinar F1 2,n1 1,n2 1 debemos emplear

F1 2,n1 1,n2 1 =

1
F 2,n1 1,n2 1

(4.14)

La misma estadstica de prueba puede utilizarse para probar hiptesis


alternativas de un lado. La hiptesis alternativa de un lado es:

111

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

H 0 : 12 = 22

H 1 : 12 > 22
Si

F0 > F ,n1 1,n2 1 , rechazaramos H 0 : 12 = 22 .

Ejemplo: Los siguientes son tiempos de quemado (en minutos) de


seales luminosas de dos tipos diferentes.
Tipo 1
63
81
57
66
82
82
68
59
75
73

Tipo 2
64
72
83
59
65
56
63
74
82
82

Tabla 4.3 Igualdad de Varianzas

Pruebe la hiptesis de dos varianzas sean iguales. Use = 0.05

H 0 : 12 = 22

H 1 : 12 22
X 1 = 70.6
X 2 = 70
S12 = 88.71
S 22 = 100.44

88.71
S12
= 0.877
F0 = 2 =
S 2 100.44

F 2,n1 1,n2 1 = F.025,9,9= 4.03


F1 2,n1 1,n2 1 =0.248
0.877 no es mayor que 4.03, por lo que no se rechaza la hiptesis nula

H 0 : 12 = 22 .
112

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Con alfa = 0.05


Prueba de dos poblaciones cuando las varianzas son iguales
Sean X1 y X2 dos poblaciones normales independientes con medias
desconocidas 1 y 2 , y varianzas conocidas pero iguales 12 = 22 = 2 .
Deseamos probar:

H 0 : 1 = 2

H 1 : 1 2
Sean X1, X2, S12 , S 22 , las medias y las varianzas de las muestras,
respectivamente. Puesto que tanto S12 como S 22 estiman la varianza comn

2 , podemos combinarlas para producir una sola estimacin, mediante


la siguiente frmula:
Sp =

(n1 1)S12 + (n2 1)S 22

(4.15)

n1 + n2 2

Para probar H 0 : 1 = 2 calclese la estadstica de prueba


t0 =

X1 X 2
1
1
+
Sp
n1 n2

Si t 0 > t 2,n1 + n2 2 o si t 0 < t 2,n1 + n2 2

(4.16)

, rechazamos H 0 : 1 = 2

Las alternativas de un lado se tratan de modo similar. Para probar:

H 0 : 1 = 2
H 1 : 1 > 2
Calclese la estadstica de prueba t0 y rechcese H 0 : 1 = 2 si:

t 0 > t ,n1 + n2 2
Para la otra alternativa de un lado,

H 0 : 1 = 2
H 1 : 1 < 2
113

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Calclese la estadstica de prueba y rechcese H 0 : 1 = 2 si:

t 0 < t a ,n1 + n2 2
Ejemplo: Se est investigando la resistencia de dos alambres, con la
siguiente informacin de muestra.
Alambre

Resistencia (ohms)

0.140

0.141

0.139

0.140

0.138

0.144

0.135

0.138

0.140

0.139

Tabla 4.4 Resistencia de dos alambres

Suponiendo que las dos varianzas son iguales, qu conclusiones puede


extraerse respecto a la resistencia media de los alambres?

H 0 : 1 = 2
H 1 : 1 2
Calculando la media y la desviacin estndar de la muestra:

x1 = .140
x 2 = .138
S1 = .0021
S 2 = .0022
Sp =
t0 =

(n1 1)S12 + (n2 1)S 22


n1 + n 2 2

= 0.0021

X1 X 2
= 1.72
1 1
+
Sp
n1 n2

Se busca en la tabla de distribucin t el valor t 2,n1 +n2 , 2 = t.025,8 =2.306 o


se determina con Excel.
Utilizando el criterio de rechazo

t 0 > t 2,n1 + n2 2

1.72 no es mayor que

2.306, por lo tanto no rechazamos H0.

114

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

4.7 Anlisis de varianza de una va (ANOVA)


El anlisis de la varianza de un criterio (ANOVA) es una metodologa
para analizar la variacin entre muestras y la variacin al interior de las
mismas mediante la determinacin de varianzas. Es llamado de un
criterio porque analiza un variable independiente o Factor por ejemplo:
Velocidad. Como tal, es un mtodo estadstico til para comparar dos o
ms medias poblacionales. El ANOVA de una va nos permite poner a
prueba hiptesis tales como:

H 0 = 1 = 2 = 3 = .... = k
H 1 : Al menos dos medias poblaciona les son diferentes .

Los supuestos en que se basa la prueba t de dos muestras que utiliza


muestras independientes son:
1. Ambas poblaciones son normales.
2
2
2. Las varianzas poblacionales son iguales, esto es, 1 = 2 .

Los supuestos para el ANOVA de una va son:


1. Todas las poblaciones k son normales.

2. 12 = 22 = 32 = ..... = k2 = 2

El Procedimiento es el siguiente 31 :
1. Determinar si las muestras provienen de poblaciones normales.
2. Proponer las hiptesis.
3. Encontrar las medias poblacionales y las varianzas.
4. Encontrar la estimacin de la varianza al interior de las muestras s w2 y
sus grados de libertad asociados glw.
5. Calcular la gran media para la muestra de las medias mustrales.

31

C. Weimer Richard. Estadstica, p 126. Mxico. Editorial CECSA. 2000

115

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

6. Determinar la estimacin de la varianza entre muestras s b2 y sus


grados de libertad asociados.
7. Hallar el valor del estadstico de la prueba F.
8. Calcular el valor crtico para F basado en glb y glw.
9. Decidir si se rechaza H0.
Por ejemplo:
Cuatro catalizadores que pueden afectar la concentracin de un
componente en una mezcla lquida de tres componentes estn siendo
investigados. Se obtienen las siguientes concentraciones:
Catalizador
A

58.2

56.3

50.1

52.9

57.2

54.5

54.2

49.9

58.4

57

55.4

50

55.8

55.3

51.7

54.9
Tabla 4.5 Catalizadores

Utilizando el paquete Minitab se tiene:


Stat > ANOVA > One Way (Unstacked)
Response in separate columns A, B, C
Seleccionar Store Residuals y Store Fits Confidence level 95%
Graphs: Seleccionar Normal plot of residuals
Comparisons: Seleccionar Tukeys Family error rate OK
Se obtuvieron los resultados siguientes:
Los residuos se distribuyen normalmente, validando el modelo ANOVA.

116

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Figura 4.9 Curva de Probabilidad Normal

De la tabla de ANOVA se observa que el valor P es menor a alfa de 0.05,


por lo que al menos dos medias son diferentes:
One-way ANOVA: A, B, C, D
Source
Factor
Error
Total

DF
3
12
15

S = 1.697

Level
A
B
C
D

N
5
4
3
4

SS
85.68
34.56
120.24

MS
28.56
2.88

F
9.92

P
0.001

R-Sq = 71.26%
R-Sq(adj) = 64.07%
Individual 95% CIs For Mean Based on
Pooled StDev
Mean StDev ---+---------+---------+---------+-----56.900 1.520
(------*-----)
55.775 1.100
(------*------)
53.233 2.779
(--------*-------)
51.125 1.443 (-------*------)
---+---------+---------+---------+-----50.0
52.5
55.0
57.5

Pooled StDev = 1.697


Tukey 95% Simultaneous Confidence Intervals
All Pairwise Comparisons
Individual confidence level = 98.83%
A subtracted from:
B
C
D

Lower
-4.506
-7.347
-9.156

Center
-1.125
-3.667
-5.775

Upper
2.256
0.014
-2.394

--------+---------+---------+---------+(------*------)
(-------*------)
(-----*------)
--------+---------+---------+---------+-5.0
0.0
5.0
10.0

117

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

De aqu se puede observar que el catalizador A es diferente del


catalizador D (el cero no se encuentra en el intervalo de confianza)
B subtracted from:

C
D

Lower
-6.391
-8.214

Center
-2.542
-4.650

Upper
1.308
-1.086

--------+---------+---------+---------+(-------*-------)
(------*------)
--------+---------+---------+---------+-5.0
0.0
5.0
10.0

De aqui se puede observar que el catalizador B es diferente del


catalizador D (el cero no se encuentra en el intervalo de confianza)
C subtracted from:

Lower
-5.958

Center
-2.108

Upper
1.741

--------+---------+---------+---------+(-------*------)
--------+---------+---------+---------+-5.0
0.0
5.0
10.0

Por lo anterior el catalizador D es diferente de los dems, para mejores


resultados se puede utilizar el catalizador A o B.
Conclusiones
En este captulo se mostraron las etapas de la Fase de Anlisis,
adicionalmente se trato la regresin lineal, tambin se revisaron las
cartas Multi Vari, as como, las pruebas de hiptesis de una y dos
poblaciones y por ltimo, el Anlisis de Varianza (ANOVA)
A continuacin se analizar la fase de mejora de la metodologa DMAIC
y en particular el Diseo de Experimentos.

118

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

CAPTULO 5. FASE DE MEJORA

Definir
Definir

5.1

Medir

Analizar

Mejorar
Mejorar

Controlar
Controlar

Introduccin

En la fase de Anlisis se identificaron las causas de variacin. En esta


fase se utilizar el diseo de experimentos (DOE), para seleccionar las
causas que ms afectan nuestro CTQ e investigar ests causas para
conocer el comportamiento del proceso. El mtodo de DOE consiste en
realizar cambios en los niveles de operacin de los factores (Xs) para
obtener los mejores resultados en la respuesta "Y". Esta informacin es
de gran ayuda para la optimizacin y mejora de procesos.
Objetivos:

Conocer el uso de las herramientas de mejora.

Hacer el diseo de experimentos para la optimizacin de procesos.

Obtener las mejoras del proceso en el proyecto.


Las principales herramientas usadas en esta fase se presentan en la
Tabla 5.1 siguiente:
Herramienta
Diseo de
experimentos
factoriales 2k

Para que es usada.


Los experimentos factoriales son utilizados cuando
se involucran varios factores de inters en un
experimento. En cada replica se utilizan cada uno de
los factores que se estn investigando.
Diseo central
Se realizan replicas en ciertos puntos del
k
compuesto 2
experimento factorial 2k, para tener una proteccin
contra la curvatura que pudiera estar presente.
Ing. de Calidad Es utilizado cuando el nmero de factores es
de Taguchi
demasiado grande ya que el nmero de
combinaciones e interacciones aumenta, y
en

119

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

ocasiones sera casi imposible realizar un diseo


aunque se utilice un diseo fraccional; en este caso
es ms sencillo realizar la metodologa que propone
Taguchi.
La metodologa de superficie de respuesta o RSM es
una
coleccin
de
tcnicas
Matemticas
y
Estadsticas, utilizadas para modelar y analizar
problemas en los cuales la Respuesta de inters es
influenciada por varias variables, siendo el objetivo
optimizar dicha Respuesta.

RSM

Tabla 5.1 Herramientas

5.2

Etapas de la fase de Mejora

Las etapas de la fase mejora son las siguientes:


5.2.1 Mostrar las causas potenciales y caracterizacin de Xs:
En la fase de anlisis encontramos los pocos vitales Xs, en esta fase
vamos a determinar aquellos que realmente afectan nuestro proceso.
Esto se lleva a cabo a travs de datos histricos, conocimiento y
discusiones. En base a lo anterior tambin desechamos las variables que
no son utilizadas. Una opcin para realizar esta actividad es mediante el
uso del diagrama de Ishikawa. Los pocos vitales son elementos
crticos o factores, nombrados en tipo, clase, o en cantidad.
Los cambios en los parmetros de operacin referentes

a las Xs

pueden ser puestos en niveles mltiples, para estudiar como afectan la


respuesta en el proceso Y
El Diseo de Experimentos 32 es un mtodo para probar la significancia,
con que afectan cada uno de los factores a la variable de respuesta. Y
para determinar la interaccin entre dichos factores.
Consideraciones:

32

Montgomery, Douglas. Diseo y Anlisis de Experimentos, pp 170-276 Mxico, Editorial Limusa, 2005

120

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

El Diseo de Experimentos sirve para identificar los pocos vitales


de los CTQs

En la optimizacin es utilizada para determinar los niveles ms


apropiados de los pocos vitales.

Sirve para comparar el resultado experimental contra el proceso


actual

5.2.2

Descubrir las relaciones entre variables y proponer una

solucin:
Una vez determinados los factores con mayor significancia, o sea
aquellos que afectan ms al proceso, estamos interesados en proponer
los niveles ptimos para cada factor.
Se generamos la funcin de transferencia, mediante anlisis de
regresin, simple o mltiple. Al realizarlo tendremos una solucin que
nos permitir alcanzar el objetivo que es la optimizacin del proceso.
Para conducir un diseo de experimentos debemos tomar en cuenta los
puntos siguientes:

Contar con el presupuesto para la experimentacin.

Disponibilidad de personal.

Disponibilidad del tiempo para las pruebas.

Otros recursos

5.3

Diseos de experimentos factoriales

5.3.1

Qu es el Diseo de Experimentos (DOE)?

Un diseo de experimentos es una prueba o serie de pruebas en las


cuales se hacen cambios a propsito en las variables de entrada de un
proceso, de tal forma que se puedan observar e identificar cambios en la
respuesta de salida.

121

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Un proceso de manufactura es una combinacin de personas, mtodos y


mquinas que transforman materias primas en productos terminados.
Los productos resultantes tienen una o ms caractersticas de calidad
observables o respuestas (Crticas para la calidad si el cliente reclama
por su no cumplimiento CTQs). Algunas de las variables del proceso
X1, X2,, Xp son controlables, mientras que otras Z1, Z2,..., Zq no son
controlables (a pesar de que pueden ser controladas durante el
desarrollo de las pruebas), y se denominan factores de ruido. Los
objetivos del diseo de experimentos pueden incluir:
1. Encontrar cules factores influencian ms a la variable, "Y".
2. Determinar en donde ajustar las variables de influencia xs, de tal
forma que y se acerque al requerimiento nominal.
3. Determinar donde ajustar las variables de influencia xs de tal forma
que la variabilidad en y sea pequea.
4. Determinar donde ajustar las variables de influencia xs de tal forma
que los efectos de las variables z desean minimizados.
Por lo anterior, los mtodos de diseo de experimentos pueden utilizarse
ya sea para el desarrollo o la mejora de los procesos, para mejorar el
desempeo o para obtener un proceso que sea robusto o insensible a
fuentes externas de variabilidad.
El control estadstico de procesos (CEP) y el diseo de experimentos
estn muy relacionados. Si un proceso est en control estadstico pero
no tiene la suficiente capacidad, para reducir su variabilidad ser
necesario optimizarlo a travs del diseo de experimentos. El CEP es un
mtodo estadstico pasivo, donde se observa el proceso y se espera que
ocurra una seal que nos oriente hacia un cambio til, sin embargo, si el
proceso est en control, la observacin pasiva no producir mucha
informacin til. Por otra parte, el diseo de experimentos es un mtodo

122

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

estadstico activo, donde, se realizan una serie de pruebas en el proceso


haciendo

cambios

en

las

entradas

observando

los

cambios

correspondientes en las salidas, esto genera informacin que puede


guiar hacia la mejora del proceso.
Diseo de experimentos es til tambin para estabilizar un proceso.
Asumiendo que la carta de control muestre un proceso fuera de control,
y que el proceso tenga muchas variables de entrada controlables, puede
ser difcil llevar el proceso a controlar. El Diseo de experimentos
pueden ser usados para identificar las variables de proceso que tienen
ms influencia, siendo esta herramienta de gran ayuda para los proceso
de Manufactura, adems, tiene una aplicacin extensa en el desarrollo
de nuevos procesos. La aplicacin de estas tcnicas durante el
desarrollo de los procesos pudiendo resultar en:
1. Rendimiento mejorado.
2. Variabilidad reducida y comportamiento cercano al valor nominal.
3. Tiempo de desarrollo reducido.
4. Costos totales reducidos.
Los mtodos de diseo de experimentos pueden tambin jugar un papel
mayor en las actividades de ingeniera de desarrollo de nuevos
productos o mejora de los productos actuales. Algunas aplicaciones del
diseo de experimentos incluyen:
1. Evaluacin y comparacin de configuraciones bsicas de diseo.
2. Evaluacin de alternativas de material.
3. Determinacin de parmetros clave de diseo con impacto en el
desempeo.
El uso del diseo de experimentos en estas reas puede resultar en una
fabricacin mejorada del producto, mejor desempeo y confiabilidad en

123

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

el campo, bajos costos del producto, y tiempos de desarrollo del


producto ms cortos.
5.3.2

Gua para realizar Diseos de Experimentos

En el diseo de experimentos, es necesario que todos los involucrados


en el experimento tengan una idea clara del objetivo del experimento,
de los factores a ser estudiados, como se realizar el experimento y una
idea cualitativa de cmo se analizarn los datos. Pasos a seguir:
1. Reconocimiento y establecimiento del problema.
2. Seleccin de factores y niveles.
3. Seleccin de la variable de respuesta.
4. Seleccin del diseo experimental.
5. Realizacin del experimento.
6. Anlisis de los datos.
7. Conclusiones y recomendaciones.
5.3.3

Aplicacin del DOE. Ejemplo 5.1

A continuacin se presenta un ejemplo que ilustra la aplicacin del


diseo de experimentos para mejorar la calidad de procesos y por ende
mejorar los productos.
Caracterizando un proceso
Para explicar este proceso usaremos un ejemplo de soldadura de
circuitos integrados.
Con la aplicacin del control estadstico de proceso, se ha reducido el
nmero de soldaduras falsas en un panel de circuito impreso hasta un
1% para retrabajo, esto an es demasiado, sin embargo el proceso est
en control estadstico.

124

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

La mquina de soldar y el flujo de soldadura tienen varias variables que


se pueden controlar, que incluyen:
1. Temperatura de soldado.
2. Temperatura de precalentamiento.
3. Velocidad del transportador.
4. Tipo de Fundente.
5. Gravedad especfica del fundente.
6. Altura de la ola de soldadura.
7. ngulo del transportador.
Adems de los factores controlables, se tienen otros factores que no son
controlables fcilmente durante la manufactura, a pesar de que pueden
controlarse a nivel de prueba, y son los siguientes:
1. Espesor del circuito impreso.
2. Tipos de componentes usados en los paneles.
3. Distribucin de los componentes en los paneles.
4. Operador.
5. Tasa de produccin.
Bajo esta situacin, caracterizar el proceso significa encontrar los
factores (controlables y no controlables) que generan la ocurrencia de
defectos de soldaduras falsas en los circuitos impresos. Para lo cul es
necesario realizar un diseo de experimentos que nos permita estimar la
magnitud y direccin de

los efectos de los factores. Es decir, cunto

cambia la variable respuesta (defectos por unidad) al cambiar cada


factor, o cunto cambia al cambiar todos los factores a la vez, algunas
veces estos experimentos se denominan experimentos de separacin de
variables.

125

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

La informacin de los experimentos se usa para identificar los factores


crticos del proceso y determinar la direccin de ajuste de estos factores
crticos para reducir el nmero de defectos por unidad. El diseo de
experimentos tambin se usa para obtener informacin sobre los
factores que deben ser controlados ms de cerca con cartas de control
(CEP), durante la fabricacin para prevenir un comportamiento errtico
del proceso.

Con el tiempo si el proceso se mejora lo suficiente, es

posible controlar el proceso a travs de sus variables crticas de entrada


en vez de usar cartas de control para controlar las salidas o el producto
terminado.
5.4

El diseo factorial 2K

Un diseo muy comn es el que considera varios factores (K) en dos


niveles (alto y bajo), el diseo ms simple es el diseo 2k
El diseo 22
Este el diseo ms simple, usa dos factores A y B, cada uno en dos
niveles. Requiere la realizacin de 4 experimentos que pueden replicarse
n veces, tomando las sumas de los resultados de las rplicas se tiene:
b
(1)

A = -, B = -

(a)

A = +, B = -

(b)

A = -, B = +

(ab) A = +, B = +

(1)

ab

Figura 5.1 Diseo 22

Los efectos de inters en el diseo son los efectos principales de A y B y


los efectos de la interaccin AB, se denominan contrastes calculados
como sigue:

126

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

A=

a + ab b + (1) 1

=
(a + ab b (1))
2n
2n
2n

B=

b + ab a + (1) 1

=
(b + ab a (1))
2n
2n
2n

AB =

(5.1)

ab + (1) a + b 1

=
(ab + (1) + a b)
2n
2n
2n

Las cantidades entre parntesis

se denominan contrastes, aqu los

coeficientes siempre son +1 o 1. Tambin se pueden determinar


usando una tabla de signos como sigue:
Efectos factoriales
Corrida

AB

(1)

ANOVA

Fo

gl SST = 4n - 1

ab

gl SSE = 4(n-1)

=SST/SSE

Tabla 5.2 Signos para los efectos en el diseo 22

Para obtener la suma de cuadrados de A, B, y AB se usa:

SS =

(contraste) 2
n (coeficientes.de.contrastes ) 2

(5.2)

Por tanto la suma de cuadrados para A, B y AB es:

127

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

SSA =

1
(a + ab b (1)) 2
4n

SSB =

1
(b + ab a (1)) 2
4n

SSAB =

(5.3)

1
(ab + (1) + a b) 2
4n

Ejemplo 5.2: Se trata de reducir la variabilidad en las orillas del corte


de

placas

de

circuito

impreso.

Se

hicieron

varios

experimentos

considerando dos factores A y B. Se probaron cuatro circuitos impresos


en cada una de las cuatro corridas de experimentos o rplicas, con los
valores siguientes:
Efectos factoriales
Corrida

Vibracin

Total

18.2 18.9 12.9 14.4

64.4

27.2 24.0 22.4 22.5

96.1

15.9 14.5 15.1 14.2

59.7

41.0 43.9 36.3 39.9

161.7

Tabla 5.3 Datos del experimento

Calculando los efectos estimados de cada factor se tiene:


A = (96.1+161.1-59-7-64.4) / 2(4) = 16.64
B = (59.7 + 161.1 59.7 64.4) /2(4) = 7.54
AB = (161.1 + 64.4 96.1 59.7) / 2(4) = 8.71
Como efecto de los factores, si se cambia A de su nivel bajo a su nivel
alto, aumenta la respuesta en 16.64 unidades. Calculando las sumas de
cuadrados, se obtiene la siguiente tabla ANOVA:

128

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Fuente de
de variacin

Suma de Grados
cuadrados libertad

Cuadrado
medio

Fo

1107.326

1107.226

185.25

227.256

227.256

38.03

AB

303.631

303.631

50.80

Error

71.723

12

Total

1709.836

15

5.977
.

Tabla 5.4 Anlisis de varianza del experimento

Se observa que ambos factores son significativos y la interaccin.


Anlisis Residual
Para obtener los residuos se utiliza la ecuacin de regresin siguiente,
donde los factores A y B se representan por X1 y X2 y la interaccin AB
por X1X2. Los niveles alto y bajo de cada factor se asignan a los valores
+1 y 1 respectivamente, el modelo de ajuste es:

16.64
7.54
8.71
y = 0 + 1 x1 + 2 x 2 + 3 x1 x 2 + = 23.83 +
x1 +
x1 +
x1 x 2 (5.4)
2
2
2
El valor de la interseccin 0 se calcula como el promedio de las 16
observaciones y cada coeficiente de regresin es la mitad del efecto
estimado del factor correspondiente, dado que los coeficientes de
regresin miden el efecto de una unidad de cambio en Xi sobre la media
de Y, y el estimado del efecto se basa en dos unidades de cambio de (X1
= -1 a X2 = 1).
Dado que la interaccin es significativa, para obtener la menor
respuesta de vibracin, se analizan las respuestas en todas las
combinaciones de A y B como se muestra en la figura 5.2:

129

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Vibracin

B+

B-

A-

A+

Fig. 5.2 Grfica de interaccin de A y B

Como se puede observar los mejores resultados se obtienen poniendo


en niveles bajos al factor A y en nivel alto al factor B.
El modelo de la ecuacin (5.4) permite predecir valores del nivel de
vibracin

en

cualquier

punto

de

la

regin

de

experimentacin,

incluyendo los cuatro puntos del diseo, por ejemplo si (X1 = -1 y X2 =


-1), el nivel de vibracin de prediccin es 16.1
Los residuos pueden calcularse como la diferencia entre los valores
reales observados y los estimados por la ecuacin. En relacin con la
respuesta, los primeros cuatro residuos son:
e1 = 18.2 16.1 = 2.1

e3 = 12.9 16.1 = -3.2

e2 = 18.9 16.1 = 2.8

e4 = 14.4 16.1 = -1.7

Los residuos restantes para las otras tres corridas pueden calcularse en
forma

similar.

Posteriormente

se

grafican

para

su

anlisis

de

normalidad, la cual mostr ser satisfactoria.


Ejemplo 5.3 en Minitab:
Un constructor est interesado en los efectos de dos mtodos de
mezclado diferentes realizados a dos temperaturas sobre la resistencia

130

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

del concreto. Realiza un diseo experimental y obtiene los resultados


mostrados en la tabla 5.5siguiente:
Temp..

Mtodo

40

672

704

800

832

40

736

896

768

800

40

640

832

928

864

60

1184

1248

992

1088

60

1216

1216

928

1056

60

1120

1152

960

1120

Tabla 5.5 Diseo Experimental

Crear el diseo en Minitab con:


Stat > DOE > Factorial > Create factorial design
Seleccionar 2 level factorial (default generators) Number of factors 2
En Designs No. of replicates 6
En Factors A = Temp Low = 40 High = 60

Factor B = Mtodo Low = 1

High = 2
En Options quitar seleccin de Randomize runs
OK
Una vez generado el diseo de dos factores introducir la siguiente
columna de datos:
Temp

Mtodo

Resistencia

40

672

60

1184

40

800

60

992

40

736

60

1216

40

768

131

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo


60

928

40

640

60

1120

40

928

60

960

40

704

60

1248

40

832

60

1088

40

896

60

1216

40

800

60

1056

40

832

60

1152

40

864

60

1120

Tabla 5.6 Diseo Experimental ordenado

Analizar el diseo con:


Stat > DOE > Factorial > Analyze factorial design
En responses indicar Columna de Resistencia
En Terms y Results pasar todos los factores a Selected terms con >>
En Graphs seleccionar para Effects Plots Pareto y Normal con alfa de
0.05
En Graphs seleccionar para los residuos Standardized y Normal Plot
En Store seleccionar Fits y Residuals OK
Con un alfa () = 0.05:
Prueba de Normalidad de residuos
a) Los residuos se distribuyen normalmente y el diseo es
vlido y adecuado para la caracterizacin de este problema.

132

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Fig. 5.3 Curva de Normalidad de Residuos

b) De la Tabla de efectos (ANOVA), se observan las

interacciones

que puedan tener un efecto significativo en la resistencia


Term

Effect

Coef

SE Coef

Constant

948.00

14.76

64.21

Temp

317.33

158.67

14.76

10.75

0.000

Mtodo

-40.00

-20.00

14.76

-1.35

0.191

-125.33

-62.67

14.76

-4.24

0.000

Temp*Mtodo
S = 72.3252

R-Sq = 87.13%

0.000

R-Sq(adj) = 85.20%

La temperatura y su interaccin con el mtodo tienengran efecto en Y.


c) En base al Pareto de los efectos, se comprueba que los factores
significativos son la temperatura y su interaccin con el mtodo.

Figura 5.4 Pareto de efectos

133

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Figura 5.5 Curva de Normalidad de efectos estandarizados

d) De la tabla de coeficiente se obtiene la ecuacin del modelo que


representa este proceso.
Term

Coef

Constant

-725.333

Temp

34.6667

Mtodo

586.667

Temp*Mtodo -12.5333
Yest = -725.33 + 34.6667 Temp 12.5333 Temp * Mtodo
e) Obtener grficas factoriales con:
Stat > DOE > Factorial > Factorial Plots
En Main effects Setup

indicar en Responses columna de Resistencia y

seleccionar factores con >>


En Interaction effects Setup indicar en Responses columna de
Resistencia y seleccionar factores con >>
En Cube Plot indicar en Responses columna de Resistencia y seleccionar
factores con >>
OK

134

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Figura 5.6 Interaccin

Figura 5.7 Efectos principales

Los niveles en que deben fijarse los factores para maximizar la


resistencia son de la grfica de interaccin, Temp = 60C y Mtodo 1.
f) Obtener las grficas de contornos y de superficie de respuesta con:
Stat > DOE > Factorial >Contour Plot
En Setup de Contour y Response Surfase Plot solo entrar y salir OK

Figura 5.8 Grafica de Contorno

De acuerdo a la grfica de contornos, conviene seguir experimentando


aumentando gradualmente la temperatura hasta llegar al punto ptimo
en una trayectoria de ascenso rpido.

135

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Una vez establecidos los mejores niveles de operacin del proceso por
medio del Diseo de Experimentos, ahora se trata de mantener la
solucin por medio de la fase de Control.
Superficies de Respuesta
La tcnica de superficies de respuesta se utiliza principalmente en las
industrias de proceso y qumicas, donde despus de realizar un diseo
de experimentos para identificar las variables relevantes, se hace un
estudio posterior en los rangos relevantes de las variables con objeto de
optimizar el proceso. Para la optimizacin, si las variables de control son
dos o tres cuantitativas, se puede optimizar el proceso.
Suponiendo que se tiene un sistema con una variable de respuesta y
que depende del nivel de varias variables de entrada: 1 , 2, 3,.... k . Se
asume que los niveles de las s pueden ser controladas con un error
despreciable. El experimento se realiza con las variables de diseo

x1, x 2 ,.... xk , las cuales son simples transformaciones de las s. Cada


tratamiento puede ser representado por un punto con coordenadas
( x1k , x2 k ,.... xik ) en un espacio factorial de k dimensiones, en cada punto
es observado un valor de yi . Donde:
__

i
xi = ik
;
ik ik 1

el denominador es la diferencia entre niveles de s.

(5.1)

En general la respuesta es una funcin de las variables de entrada:

y = f (1 , 2, 3,.... n )

(5.2)

Esta funcin es desconocida y a veces complicada.

136

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

El procedimiento bsico de superficies de respuesta consiste en


aproximar la funcin f ( ) con un polinomio de bajo orden y usar datos
de una muestra para aproximar por el mtodo de mnimos cuadrados,
los coeficientes del polinomio.
Supuestos bsicos 33
1. Hay una estructura y = f (1 , 2, 3,.... n ) , y es complicada.
2. Las variables i son cuantitativas y continuas.
3. La funcin verdadera f ( ) puede ser ajustada en la regin de
inters por un polinomio de bajo orden.
4. Variables de diseo ( x1k , x 2 k ,...x ik ) se controlan y se meden sin error.
La meta del anlisis de superficies de respuesta es:
1. Encontrar una funcin de ajuste adecuada con el propsito de
predecir respuesta futura.
2. Hallar los niveles de las variables de entrada para los cuales, en
cierto sentido, la respuesta es optimizada.
Se toma un modelo de primer orden cuando el experimentador est
interesado en analizar f en una regin angosta de x1, x 2 ,.... x k , con poca
curvatura presente. En trminos de las variables se tiene:
k

E ( y ) = 0 + i xi

(5.3)

i =1

La ecuacin de estimacin para este modelo de primer orden es:


^

y = b0 + bi xi

(5.4)

i =1

33

Reyes, Primitivo, Curso de Superficies de Respuesta, pp 2-7, Mxico, http://www.icicm.com/

137

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Donde bo , b1, son estimadores muestrales de 0, 1

Escribiendo la ecuacin en forma matricial se tiene:

y = b0 + x b

(5.5)

x1
x
x = 2
....

xk

De

forma,

otra

b1
b
b = 2
....

bk
el

experimentador

podra

usar

la

funcin

de

aproximacin de segundo orden, tomando los trminos de primero y


segundo orden de la expansin, se tiene el polinomio cuadrtico:
k

i =1

i =1

E ( y ) = 0 + i xi + ii xii +
2

i< j

ij

xi x j

(5.6)

ij

0, 1 , x1 son del modelo de primer orden


ii = coeficiente cuadrtico de la variable i

ij = coeficiente de interaccin de las variables i, j.


La ecuacin de estimacin para este modelo, en forma matricial se
puede escribir como:
y = b0 + x b + x B x , donde la matriz B, es:
b11, b12 / 2,..............b1k / 2

....b22 ,...............b2 k / 2

B=
.........................b( k 1),k / 2

sym,........................bkk

(5.7)

138

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Ejemplo 5.4
Un qumico realiza un experimento para observar el efecto de la
temperatura Tp y el tiempo de reaccin Tm, sobre el rendimiento de un
proceso usado para producir antibiticos. El experimento es como sigue:
Tratamiento
1
2
3
4
5
6
7
8
9

Tp

Tm

20
20
20
50
50
50
80
80
80

20
50
80
20
50
80
20
50
80

Transformando los datos para las variables de diseo x1i , x2i con:

xij = ( ij 50) / 30

se tiene la siguiente tabla:


Bloques

Tratamiento
1
2
3
4
5
6
7
8
9

x1

-1
-1
-1
0
-1
1
0
-1
0
0
0
1
1
-1
1
0
1
1
Totales

x2

13.66
12.23
7.97
16.98
13.8
12.86
10.00
10.88
13.28
111.96

II
13.16
13.84
10.19
13.42
15.55
18.27
10.01
12.18
10.06
115.78

III
15.05
11.85
8.38
14.29
13.92
15.00
11.10
11.13
11.96
112.68

Totales
41.87
36.92
26.54
44.69
43.27
46.13
31.11
34.19
35.30
340.02

Haciendo un anlisis de varianza preliminar con los datos anteriores


para el diseo en bloques aleatorios se tiene:
La suma de cuadrados total es:

139

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

SST =

yij2

i =1

j =1

y..2
9 x3

SST = 13.662 + 13.162 + ....... + 10.062 + 11.962 - (340.06)2 / 27


SST = 154.1606

con N 1 grados de libertad gl = 26

La suma de cuadrados para los 9 tratamientos es:


9

SS trat =
i =1

y i2.
y..2

3 9 x3

SSt = [41.872 + 36.922 + ....... + 34.192 + 35.302] / 3 - (340.06)2 / 27


SSt = 118.3145

con i 1 grados de libertad gl = 8

La suma de cuadrados de los 3 bloques es:


3

SS bloque =
j =1

y.2j

y..2

9 9 x3

SSb = [111.162 + 115.782 + 112.682 ] / 9 - (340.06)2 / 27


SSb = 0.907

con j 1 grados de libertad gl = 2

Para el error se tiene:


SSe = SST SSt SSb = 154.1606 118.3145 0.9704
SSe = 34.8757
Para la formacin de la tabla ANOVA se calculan las sumas promedio
cuadradas MS y el estadstico F como:
MSt = SSt / gl t
MSb = SSb / gl b
F = ( MSt o MSb ) / MSe

140

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Por tanto se tiene:


TABLA ANOVA
Fuente

Suma de

grados de Cuadrados

de variacin

cuadrados

libertad

Total

154.1606

26

0.9704

0.4852

Tratamiento

118.3145

14.7893

Error

34.8757

16

2.1797

Bloque

medios

estadstico
F

6.78**
.

** significativo al nivel de 1% con F de tablas = 3.9, p = 0.000


Conclusiones
Hasta aqu hemos revisado las diferentes etapas de la Fase de Mejora el
Diseo de experimentos Factoriales, el Diseo Factorial 2K, la prueba de
Normalidad de Residuos, los efectos de los factores principales, as
como, sus interacciones, las Grficas de Contorno y por ltimo lo
referente a las superficies de respuesta.

141

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

CAPTULO 6 FASE DE CONTROL

Definir
Definir

6.1

Medir

Analizar

Mejorar

Controlar
Controlar

Introduccin

Una vez implementadas las mejoras en nuestro proceso, el ltimo paso


es asegurar que las implementaciones se mantengan y estn siendo
actualizadas a travs del tiempo.
Los proyectos Six-Sigma se van actualizando constantemente. En la
siguiente figura 6.1 35

se observa que la tcnica es cclica, tambin se

puede regresar de una fase a otra, en caso de no haber obtenido la


informacin necesaria, pero lo que no est permitido es saltar fases.

Figura 6.1 Seis Sigma es una Tcnica Cclica

Salinas, Emilio, Diseo de Experimentos, Apuntes Seis Sigma, p 34, Mxico,


Tlamatini-UIA, 2006.

35

142

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

INTERRELACION DE DMAIC CON EL


SISTEMA DE CALIDAD
Medir

POLITICA
MANUAL

Analizar

PROCEDIMIENTOS

Mejorar
(Improve)

INSTRUCTIVOS

Controlar

REGISTROS
Figura 6.2 Interrelacin con el Sistema de Calidad

Objetivos:

Uso de las herramientas de control.

Verificar que las implementaciones se sigan y estn bajo control.

Identificar las actividades o procesos que estn fuera de control para


corregirlos inmediatamente.

Las mejoras se implementan consistentemente para tener control.

Las herramientas a utilizar se muestran en la tabla 6.1:


Herramienta
Precontrol

Cartas
Control

Para que es utilizada?

Tcnica usada para detectar fallas en el proceso,


que resultarn en produccin de piezas fuera de
especificacin. Se usa para determinar los
valores de las variables del proceso durante el
perodo de arranque de la produccin.
de Es una herramienta muy importante para
analizar la variacin en la mayora de los
procesos. Enfocan la atencin hacia las causas
especiales de variacin y reflejan la magnitud de
la variacin debido a las causas comunes.
143

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Poka-Yoke

Sistemas utilizados a prueba de errores.


Tabla 6.1 Herramientas de la Fase de Control

6.2

Etapas de la fase de control

Las etapas de esta fase son las siguientes:


6.2.1

Validar el sistema de medicin.

La Fase de Medicin se valid el sistema de medicin para la Y, aqu se


utiliza la misma tcnica, pero para validar a las Xs del proceso.
6.2.2

Determinar la capacidad del proceso.

Ya implantadas las mejoras se vuelve a calcular el nivel de sigma del


proceso, para saber en que nivel nos encontramos actualmente.
6.2.3

Implementar el sistema de control.

Los procesos tienden a degradarse con el tiempo, por lo que es muy


importante el implementar un plan de control para cada Xs, para esto
es necesario tener procesos y procedimientos documentados y entrenar
al personal que llevar a cabo esta actividad. En la figura 6.3, se
observan los elementos para un adecuado plan de control:
Evita problemas
potenciales

RIESGO DE LA
ADMINISTRACION

A PRUEBA DE
ERRORES

CONTROL ESTADISTICO DEL PROCESO


Monitorea problemas
potenciales

Figura 6.3

Elementos del Plan de Control

Riesgo de la administracin: Es similar a un FMEA 36 , los clculos


son de la siguiente manera:
36

Brassard, Michael, Six Sigma Memory Jogger II, USA. Editorial Goal/QPC. 2002

144

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Puntuacin del riesgo de la admn. = Impacto X probabilidad


Proporciona las siguientes ventajas:
-

Identificacin del riesgo.

Cuantificacin de los riesgos

Establece un plan de disminucin de riesgos

Monitorear los progresos del plan

A prueba de errores
Tcnica que evita errores en el proceso, y hace que sea imposible que
se cometan.
Control estadstico del proceso: Monitoreo de caractersticas
crticas mediante el uso de grficas de control.
Un plan de control: Plan para el control de caractersticas crticas.

PLAN DE CONTROL

(Informacin general de la organizacin)


Proces

Variable

Especificaciones

Controles

Muestreo
(Tamao/ Fecuencia)

Plan de reaccin con producto


fuera de especificacin y/o
parmetros de proceso

Figura 6.4 Plan de control caracterstico


6.3

Cartas de Control

Las cartas de control son la herramienta ms poderosa para monitorear


y analizar la variacin en la mayora de los procesos.
Las cartas de control enfocan la atencin hacia las causas especiales de
variacin cuando estas aparecen y reflejan la magnitud de la variacin
debida a las causas comunes, manteniendo las soluciones

145

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Las causas comunes o aleatorias se deben a la variacin natural del


proceso.
Las causas especiales o asignables son por ejemplo: un mal ajuste
de mquina, errores del operador, defectos en materias primas.
Un proceso est bajo Control Estadstico cuando presenta causas
comunes nicamente, con un proceso estable y predecible.
Cuando existen causas especiales, el proceso est fuera de Control
Estadstico.

Figura 6.5 Carta de control

Ventajas:

Herramienta simple y efectiva para lograr un control estadstico.

El operario manejar las cartas en su propia rea de trabajo, por lo


cual puede dar una respuesta confiable de lo acontecido en ellas.

146

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Cuando un proceso est en control estadstico puede predecirse su


desempeo respecto a las especificaciones. Por lo tanto el proveedor
como el cliente pueden contar con niveles consistentes de calidad.

Una vez que un proceso se encuentra en control estadstico, su


comportamiento puede ser mejorado reduciendo su variacin.

Cartas de control por variables y por atributos.Control de Calidad mediante el trmino variable designa a cualquier
caracterstica de calidad como medible tal como el tiempo, el peso, la
temperatura,

etc.

Mientras

que

se

denomina

atributo

las

caractersticas de calidad que no se miden y que presentan diferentes


tales como conforme y disconforme o defectuoso y no defectuoso.
Dependiendo del tipo de caracterstica de calidad a controlar as ser la
carta de control correspondiente, por tanto, se clasifican en Cartas de
Control por Variables y Cartas de Control por Atributos, ver tabla 6.2.
Cartas de Control por Cartas de
variables
atributos

control

por

Conducen a un mejor Son tiles y aplicables a


procedimiento de control.
cualquier proceso
Los datos estn a menudo
disponibles.
Proporcionan
una Son rpidos y simples de
explicacin grande de la obtener.
variacin
disponible
de Son fciles de interpretar.
Son tpicamente usados en los
datos.

Ventajas
significativas

informes a la Gerencia.

Desventajas
significativas

No se entienden a menos
que se de capacitacin;
puede causar confusin
entre
los
limites
de
especificacin y los lmites
de tolerancia.

No proporciona informacin
detallada del control de
caractersticas individuales.
No reconoce distintos
grados de defectos en las
caractersticas de producto.

Tabla 6.2 Comparacin entre Atributos y Variables

147

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Campos de aplicacin de las cartas


Variables
Carta

Descripcin

Campo de aplicacin

X R

Medias y Rangos

Control de caractersticas individuales.

X S

Medias y desviacin
estndar.

Control de caractersticas individuales.

I-MR

Individuales

Control de un proceso con datos que no


pueden ser muestreados en lotes o grupos.

Tabla 6.3 Tipos de Cartas por Variables

Atributos
Carta
P
NP

Descripcin
Proporciones o
fraccin defectiva
Nmero de
defectuosos

Defectos por unidad

Promedio de
defectos por unidad

Campo de aplicacin
Control de la fraccin global de
defectuosos de un proceso.
Control del nmero de piezas defectuosas
Control de nmero global de defectos por
unidad
Control del promedio de defectos por
unidad.

Tabla 6.4 Tipos de Cartas por Atributos

Elaboracin de las Cartas de control


Paso 1:

X R

(variables)

Colectar los datos.

Los datos son el resultado de la medicin de las caractersticas del


producto, los cuales deben de ser registrados y agrupados como sigue:

Se toma una muestra(subgrupo) de 2 a 10 piezas consecutivas y se


anotan los resultados de la medicin(se recomienda tomar 5).
Tambin pueden ser tomadas en intervalos de tiempo de - 2 hrs.,
para detectar si el proceso puede mostrar inconsistencia en breves
periodos de tiempo.

Se realizan las muestras de 20 a 25 subgrupos.

Paso 2:

Calcular el promedio X y R para cada subgrupo

148

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

X 1 + X 2 .... X N
N

(6.1)

R = X mayor X menor

(6.2)

X =

Paso 3:
Calcule el rango promedio
proceso ( X ) .

R=

R1 + R2 + ......RK
K

X=

(6.3)

(R ) y el promedio del

X 1 + X 2 + .......X K
K

(6.4)

Donde K es el nmero de subgrupos, R1, R2 es el rango de cada


subgrupo; X 1 , X 2.... son el promedio de cada subgrupo.
Paso 4:

Calcule los limites de control

Los lmites de control son calculados para determinar la localizacin de


cada subgrupo, estn basados en el tamao de los subgrupos y se
calculan de la siguiente forma:

LSC R = D4 R

(6.5)

LIC R = D3 R

(6.7)

LSC X = X + A2 R

(6.6)

LIC X = X A2 R

(6.8)

Donde D3, D4 y A2 son constantes que varan por el tamao de muestra.


A continuacin se presentan los valores de dichas constantes para
tamaos de muestra de 2 a 10.
N

10

D4

3.27

2.57

2.28

2.11

2.00

1.92

1.86

1.82

1.78

D3

0.08

0.14

0.18

0.22

A2

1.88

1.02

0.73

0.58

0.48

0.42

0.37

0.34

0.31

Tabla 6.5 Valores de las constantes D

Paso 5:

Seleccione la escala para las grficas de control

149

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Para la grfica

la amplitud de valores de la escala debe ser al menos

del tamao de los lmites de tolerancia especificados o dos veces el


rango promedio (R ) .
Para la grfica R la graficarse debe extenderse desde un valor cero
hasta un valor superior equivalente a 1 - 2 veces el rango.
Paso 6:

Trace la carta de control

Los lmites de Control se dibujan con una lnea discontinua y los


promedios con una lnea continua para ambas cartas.
Marcar los puntos en ambas grficas y unirlos para visualizar de mejor
manera el comportamiento del proceso.
Paso 7:

Analizar la grfica de control

Ejemplo 6.1
Se toman las medidas de los dimetros de una pieza cilndrica, el
tamao de muestra de cada subgrupo es de cinco, y se toman 25
subgrupos a intervalos de 1 hr.
Realice la carta de control X R
muestra subgrupo
1
2
3
4
5

1
0.65
0.70
0.65
0.65
0.85

2
0.75
0.85
0.75
0.85
0.65

3
0.75
0.80
0.80
0.70
0.75

4
0.60
0.70
0.70
0.75
0.65

5
0.70
0.75
0.65
0.85
0.80

6
0.60
0.75
0.75
0.85
0.70

7
0.15
0.80
0.65
0.75
0.70

8
0.60
0.70
0.80
0.75
0.75

9
0.65
0.80
0.85
0.85
0.75

10
0.60
0.70
0.60
0.80
0.65

11
0.80
0.75
0.90
0.50
0.80

12
0.85
0.75
0.85
0.65
0.70

muestra subgrupo
1
2
3
4
5

14
0.65
0.70
0.85
0.75
0.60

15
0.90
0.80
0.80
0.75
0.85

16
0.75
0.80
0.75
0.80
0.65

17
0.75
0.70
0.85
0.70
0.80

18
0.75
0.70
0.60
0.70
0.60

19
0.65
0.65
0.85
0.65
0.70

20
0.60
0.60
0.65
0.60
0.65

21
0.50
0.55
0.65
0.80
0.80

22
0.60
0.80
0.65
0.65
0.75

23
0.80
0.65
0.75
0.65
0.65

24
0.65
0.60
0.65
0.60
0.70

25
0.65
0.70
0.70
0.60
0.65

13
0.70
0.70
0.75
0.75
0.70

Tabla 6.6 Datos para la Carta X

Calculando el rango y el promedio para cada subgrupo obtenemos:

150

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

muestra subgrupo
1
2
3
4
5
Promedio
Rango

1
0.65
0.70
0.65
0.65
0.85
0.70
0.20

2
0.75
0.85
0.75
0.85
0.65
0.77
0.20

3
0.75
0.80
0.80
0.70
0.75
0.76
0.10

4
0.60
0.70
0.70
0.75
0.65
0.68
0.15

5
0.70
0.75
0.65
0.85
0.80
0.75
0.20

6
0.60
0.75
0.75
0.85
0.70
0.73
0.25

7
0.15
0.80
0.65
0.75
0.70
0.61
0.65

8
0.60
0.70
0.80
0.75
0.75
0.72
0.20

9
0.65
0.80
0.85
0.85
0.75
0.78
0.20

10
0.60
0.70
0.60
0.80
0.65
0.67
0.20

11
0.80
0.75
0.90
0.50
0.80
0.75
0.40

12
0.85
0.75
0.85
0.65
0.70
0.76
0.20

muestra subgrupo
1
2
3
4
5
Promedio
Rango

14
0.65
0.70
0.85
0.75
0.60
0.71
0.25

15
0.90
0.80
0.80
0.75
0.85
0.82
0.15

16
0.75
0.80
0.75
0.80
0.65
0.75
0.15

17
0.75
0.70
0.85
0.70
0.80
0.76
0.15

18
0.75
0.70
0.60
0.70
0.60
0.67
0.15

19
0.65
0.65
0.85
0.65
0.70
0.70
0.20

20
0.60
0.60
0.65
0.60
0.65
0.62
0.05

21
0.50
0.55
0.65
0.80
0.80
0.66
0.30

22
0.60
0.80
0.65
0.65
0.75
0.69
0.20

23
0.80
0.65
0.75
0.65
0.65
0.70
0.15

24
0.65
0.60
0.65
0.60
0.70
0.64
0.10

25
0.65
0.70
0.70
0.60
0.65
0.66
0.10

13
0.70
0.70
0.75
0.75
0.70
0.72
0.05

Tabla 6.7 Datos para la Carta R

Calcular el Rango promedio, promedio del proceso y lmites de control:

R = 0.198
X = 0.71
X LSC R = D4 R = 2.11* 0.198 = 0.41

LIC R = D3 R = 0
LSC X = X + A2 R = 0.71 + (0.58)(0.198) = 0.82

LIC X = X A2 R = 0.71 - (0.58)(0.198) = 0.59


La carta se puede obtener con Minitab con:
Stat > Control Charts > Variable charts for subgroups
Xbar-R Seleccionar Observations for a Subgroup are in a row of columns
Indicar las 5 columnas de datos OK
S
am
p
leM
e
a
n

Xbar/R Chart for C1


UCL=0.8254
0.8

Mean=0.7112

0.7

0.6

S
a
m
p
leR
a
n
ge

Subgroup

0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0

LCL=0.5970
0

10

15

20

25

UCL=0.4187
R=0.198
LCL=0

Figura 6.6 Carta X R

La grfica de control R muestra un punto fuera de los lmites de control.

151

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

El proceso esta fuera de control es decir, inestable; aqu se investigarn


las causas para tomar acciones correctivas y eliminar el problema.
Interpretacin del control del proceso.
Al analizar una grfica de control se identifica el tipo de variacin del
proceso, causas comunes o causas especiales. Juran 37 sugiere un
conjunto de reglas de decisin para detectar patrones no aleatorios en
las cartas de control.

Figura 6.7 Causas especiales de Variacin

Carta de Individuales y rango mvil (Datos variables I-MR).

Se llama I o Xi. Esta Carta monitora la tendencia de un proceso


con datos variables que no pueden ser muestreados en subgrupos.

La capacidad de corto plazo se basa en subgrupos de una unidad.

Esta grfica es usada cuando las mediciones son muy costosas (Por
ejemplo Pruebas destructivas), o cuando la caracterstica a medir en
cualquier punto en el tiempo es relativamente.

16

Juran J. M., Gryna, F. M., Anlisis y planeacin de la calidad, Tercera Edicin, Mc Graw Hill.

152

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

La lnea central se basa en el promedio de los datos, y los lmites de


control se basan en la desviacin estndar (+/- 3 sigmas)

Terminologa
k = nmero de piezas
n = 2 para calcular los rangos
X = promedio de los datos

R = rango de un subgrupo de dos piezas consecutivas


R = promedio de los (n - 1) rangos

LSC X = X + E 2 R

(6.9)

LSC R = D4 R

(6.10)

LIC X = X E 2 R

(6.11)

LSC R = D4 R

(6.12)

Donde D4, D3 y E2 son constantes que varan segn el tamao de muestra


para rangos mviles como se muestra en la tabla siguiente:
n

10

D4

3.27

2.57

2.28

2.11

2.00

1.92

1.86

1.82

1.78

D3

0.08

0.14

0.18

0.22

E2

2.66

1.77

1.46

1.29

1.18

1.11

1.05

1.01

0.98

Tabla 6.8 Constantes D

Ejemplo 6.2 : La longitud de un tramo de tubo se registra para cada


producto. Realice la grfica de control individual.

Tabla 6.9 Datos por individuales

Parte
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Longitud
12.02
11.85
11.98
11.72
11.88
12.07
12.03
12.13
12.16
12.16
12.16
12.21
12.19
11.93
11.89

153

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Se calcula el rango mvil de la siguiente manera: diferencia entre 1 y


2 lectura, 2 y 3 y as hasta n-1.
Parte
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

X = 12.03
R = 0.10

Longitud
12.02
11.85
11.98
11.72
11.88
12.07
12.03
12.13
12.16
12.16
12.16
12.21
12.19
11.93
11.89
12.03

Rangos
0.17
0.13
0.26
0.16
0.19
0.04
0.10
0.03
0.00
0.00
0.05
0.02
0.26
0.04
0.10

Tabla 6.10 Obtencin de los rangos mviles

LSC X = X + E 2 R =12.03+(2.66)(.10) = 12.29


LIC X = X E 2 R =12.03 (2.66)(.10) = 11.76
LSC R = D4 R = 3.27(.10)= .327

LIC R = D3 R = 0
I Chart for C1

Moving Range Chart for C1

12.35

0.4

UCL=12.30
12.25

0.3

12.05

Mean=12.03

11.95
11.85
11.75

Moving Range

Individual Value

UCL=0.3384
12.15

0.2

0.1

R=0.1036

0.0

LCL=0

LCL=11.75
1

11.65
0

10

15

Observation Number

Figura 6.8 Carta por Individuales

10

15

Observation Number

Figura 6.9 Carta de Rangos mviles

154

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Interpretacin del proceso:

Ver en la Carta de rangos los puntos fuera de los lmites de control


como la presencia de causas especiales. Note que los rangos
sucesivos estn relacionados, ya que tienen un punto en comn y
debido a esto se tiene que tener cuidado al interpretar tendencias.

Las Cartas de lecturas individuales pueden ser analizadas para


puntos fuera de los lmites de control, dispersin de puntos dentro de
los lmites de control y para tendencias o patrones. Cabe hacer notar
que si la distribucin de proceso no es simtrica, las reglas mostradas
anteriormente

para

grficas

X podrn

dar

seales

de

causas

especiales sin que stas existan.


Cartas de control por atributos
Cualquier caracterstica de calidad que se clasifique como: cumple o no
cumple, funciona o no funciona, pasa o no pasa, etc., a los efectos
de control del proceso, ser considerado como un atributo.
Los criterios de aceptacin al utilizar grficas de control por atributos
deben estar claramente definidos y el procedimiento para decidir si esos
criterios se estn alcanzando es producir resultados consistentes a
travs

del

tiempo.

Este

procedimiento

consiste

en

definir

operacionalmente lo que se desea medir. Una definicin operacional


consiste en:
1. Un criterio que se aplica a un objeto o a un grupo
2. Una prueba del objeto o del grupo y
3. Una decisin, s o no: El objeto o el grupo alcanza o no el criterio.
Grfica P para Fraccin de Unidades Defectuosas (atributos)
La grfica p mide la fraccin defectuosa o las piezas defectuosas del
proceso. Se puede referir a muestras de 75 piezas, tomada dos veces

155

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

por da; 100% de la produccin durante una hora, etc. Se basa en la


evaluacin de una o varias caractersticas. Se necesita que se registre
cada componente o producto como aceptado o defectuoso.
Pasos para la elaboracin de la grfica:
Paso 1.- Frecuencia y tamao de la muestra:
Frecuencia con la cual los datos sern tomados (horarios, diarios,
semanales). Los intervalos cortos entre tomas permitirn una rpida
retroalimentacin al proceso. Los tamaos grandes permiten evaluar
procesos estables del desarrollo del proceso y son ms sensibles a
pequeos cambios en el promedio del mismo. Se aconseja tomar
tamaos de muestra iguales aunque no necesariamente se tiene que dar
esta situacin, el tamao de muestra debera de ser mayor a 30.
Paso 2.- Calculo de la fraccin defectuosa (p) del subgrupo:
Registre la siguiente informacin para cada subgrupo:
El nmero de partes inspeccionadas n
El nmero de partes defectuosas np
Calcule la fraccin defectuosa (p) mediante: p =

np
n

(6.13)

Paso 3. Calculo de fraccin defectuosa promedio y sus lmites.


La fraccin defectuosa promedio para los k subgrupos se calcula con la
siguiente frmula:
p=

np1 + np 2 + .... + np k
n1 + n 2 + ..... + nk

LSC p = p + 3
Donde

p (1 p )
n

(6.14)
(6.15)

LIC p = p 3

p (1 p )
n

(6.16)

es el tamao de muestra promedio.

NOTA: Cuando p y/o n es pequeo, el lmite de control inferior puede


resultar negativo, en estos casos el valor del lmite ser = 0

156

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Paso 4.- Trace la Carta y analice los resultados.


Ejemplo 6.3:
Un fabricante de latas de aluminio registra el nmero de partes
defectuosas, tomando muestras cada hora de n = 50, con 30 subgrupos.
Realizar la grfica de control para la siguiente serie de datos obtenida
durante el muestreo.
Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Latas defectuosas
np
12
15
8
10
4
7
16
9
14
10
5
6
17
12
22

Muestra
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

Latas defectuosas
np
8
10
5
13
11
20
18
24
15
9
12
7
13
9
6

Tabla 6.11 Datos para cartas p

Calcule la fraccin defectuosa para cada muestra:


Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Latas defectuosas
np
12
15
8
10
4
7
16
9
14
10
5
6
17
12
22

Fraccin defectuosa
p
0.24
0.30
0.16
0.20
0.08
0.14
0.32
0.18
0.28
0.20
0.10
0.12
0.34
0.24
0.44

Muestra
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

Latas defectuosas Fraccin defectuosa


np
p
8
0.16
10
0.20
5
0.10
13
0.26
11
0.22
20
0.40
18
0.36
24
0.48
15
0.30
9
0.18
12
0.24
7
0.14
13
0.26
9
0.18
6
0.12

Tabla 6.12 Clculo de la Fraccin Defectuosa

p = 0.2313

157

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

LSC p = p + 3

p (1 p )
.23 * .77
= 0 .2313 + 3
= 0.4102
n
50

LIC p = p 3

p (1 p )
.23 * .77
= 0 .2313 3
= 0.05243
n
50

Trazando la Carta p:
P Chart for C1
1

0.5
1

UCL=0.4102

Proportion

0.4

0.3
P=0.2313
0.2

0.1
LCL=0.05243
0.0
0

10

20

30

Sample Number

Figura 6.10 Carta p

6.4

Dispositivos a Prueba de Error o Poka Yoke

Un sistema Poka-Yoke 38 posee dos funciones: puede realizar el 100 %


de inspecciones y si ocurre alguna anormalidad, puede realizar
inmediatamente una accin de aviso.
Los sistemas Poka-Yoke son mtodos para reducir defectos, estos varan
dependiendo de los sistemas de inspeccin los cuales pueden ser:
inspecciones en la fuente, auto chequeos, o chequeos sucesivos.
Tipos de sistemas Poka-Yoke:
A continuacin se describen algunos sistemas Poka-Yoke:

38

Shigeo Shingo, Zero Quality Control: Source Inspection and the Poka-Yoke System, Productivity Press
1986

158

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

6.4.1 Mtodos de Control Tipo A


Cuando ocurre alguna anormalidad los mtodos de control, funcionan de
tal manera que se apagan las maquinas o se bloquea algn mecanismo
para detener la operacin, previniendo la ocurrencia de defectos
subsecuentes.
Los sistemas de control se caracterizan por tener una eficacia mxima
para obtener cero defectos. Estos sistemas no solamente consisten en
apagar las mquinas o bloquear algn mecanismo sino que existe la
posibilidad de que estos sistemas separen alguna pieza defectuosa al
momento de ser detectada.
6.4.2 Mtodos de Alarma Tipo B
Estos mtodos llaman la atencin de los trabajadores activando alguna
alarma o luz cuando ocurre alguna anormalidad. El riesgo de estos
mtodos es que a veces los trabajadores no detecten la luz o el sonido
de las alarmas. Para minimizar estos riesgos se puede utilizar luz
intermitente que sea ms fcil de detectar y sonidos con timbres
particulares en diferentes escalas.
Los mtodos de alarma pueden ser utilizados cuando el impacto de una
anormalidad no es demasiado critica en el proceso o cuando los
mtodos de control resultan econmica y tcnicamente poco viables.
6.4.3 Mecanismos a Prueba de Error
Mtodos de Contacto
Son mtodos en los que por medio de mecanismos sensibles, se
detectan anormalidades en

la dimensin o la forma del producto. Por

ejemplo en un sistema de frenos se ensambla una pieza que puede ser

159

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

izquierda o derecha, al momento del ensamble se puede cometer el


error de colocar una parte derecha cuando se debera de colocar una
izquierda, para evitar este defecto se instala un tope que impide que se
coloque por ejemplo una parte derecha.
Mtodos de valor fijo:
Con estos mtodos, las anormalidades son detectadas verificando el
nmero especfico de movimientos en los casos en que las operaciones
se repiten un nmero determinados de veces.
Como ejemplo tenemos el caso en la cual

se aplica un recubrimiento

adhesivo a una barra metlica, aplicando tiras de 8cm alrededor de la


barra. Se tienen que aplicar 50 tiras, pero el problema que se tiene es
que en ocasiones se corre el riesgo de aplicar menos de 50 unidades o
ms. Para solucionar este problema se implementa un sistema PokaYoke de la siguiente manera.
Se cortan y se cuentan previamente las tiras en grupos de 10 unidades,
las cintas son adheridas a la barra, si al final de la operacin sobran
cintas el operador se da cuenta e inmediatamente y corrige el trabajo.
Mtodos de movimientos de paso
Son mtodos en los cuales las anormalidades se detectan al verificar los
errores en

movimientos estndar, cuando las operaciones tienen que

ser realizadas con movimientos predeterminados. Estos sistemas son


extremadamente efectivos y tienen un amplio rango de aplicacin.
En un proceso de etiquetado los operadores algunas veces fallan al
aplicar las etiquetas, este defecto puede ser evitado antes de la
inspeccin mediante un dispositivo que consta de un tubo fotoelctrico

160

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

que detecta la falta de una etiqueta, parando inmediatamente la lnea,


para corregir el defecto.
Conclusiones
En este captulo se expusieron las etapas de la Fase de Control, las
Cartas de Control tanto por Variables como por Atributos por ltimo se
explico lo referente a los Dispositivos a prieba de Error, mejor conocidos
cono Poka Yoke.
Hasta aqu se han revisado los aspectos ms relevantes de la
Metodologa Seis Sigma y sus diferentes fases: Definir, Medir, Analizar,
Mejorar (Improb por su traduccin al ingls) y Control, as como las
herramientas estadsticas que maneja describiendo con mayor detalle
aquellas que se consideraron ms relevantes.
Pasaremos ahora a nuestro caso real de aplicacin de la Metodologa
Seis Sigma en la solucin de un caso real.

161

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

CAPTULO 7. Caso prctico de aplicacin de la


Metodologa Seis Sigma en la Mejora del Desempeo
en el Consumo de Combustible de un Vehculo
7.1 Antecedentes
El caso de aplicacin de la Metodologa Seis Sigma se realiz en una
de las principales empresas automotrices del mundo y por obvias
razones tambin una de las principales de nuestro pas. Sus
caractersticas y nombre comercial, no podrn ser mencionados en
este trabajo, debido a que se incurrira en situaciones de ndole legal
(patentes, marcas registradas, etc.), que no pueden ser sufragadas
por el sustentante.
Para este trabajo se solicit la anuencia de un Master Black Belt 39 de
dicha compaa, el cual dio su aval para poder escoger un proyecto de
esta empresa y ser presentado como proyecto de trabajo terminal.
Esta ensambladora, comercializa los siguientes productos:
a) Autos sub-compactos
b) Autos compactos
c) Autos familiares
d) Autos deportivos
e) Autos de lujo y sper lujo
f) Camiones Pick Up
El presente caso de estudio se enfocar en el segmento de Autos de
lujo, dentro de los cuales se encuentran aquellos que ocupan motores
V-8, con capacidad volumtrica de 4.2 Litros.

39

Master Black Belt: es un nombre registrado por Motorola Inc. en U. S. A.

162

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo


FACTORES QUE
AUTOMVIL. 40

INFLUYEN

EN

EL

CONSUMO

DE

GASOLINA

EN

UN

El lector debe estar familiarizado con las pelculas de los aos sesenta y
setenta, donde el actor corra en un automvil con enormes alerones
posteriores que daban la idea de la belleza en los autos. Pues no!, a
slo veinte aos ya no encajan en nuestra idea de superhroes, ni sus
mastodontes automotrices.
Ahora, el diseo de los autos obedece a las necesidades de la
tecnologa. La tecnologa ha creado materiales que mejoran el
automvil: plsticos, aleaciones ligeras, motores y gasolinas ms
eficientes, etc. Pero es el sentido comn es el que impone las nuevas
reglas de diseo que nos lleva a considerar el medio ambiente. Por lo
cual la carrocera se ha vuelto "redondeada" o en trminos tcnicos,
que se haya vuelto ms aerodinmica para oponer menor resistencia
al aire, ahorrar combustible y contaminar menos. Note en la figura 1
la evolucin de la carrocera desde los veintes a la fecha. La crisis
petrolera de 1980 elev el precio del crudo y marc el inicio de
iniciativas enfocadas a hacer ms eficiente la gasolina y a generar la
busca de fuentes de energa alterna. El medio ambiente y la atmsfera
imponen ahora las reglas del juego en el diseo de coches. Los
caprichos artsticos y las tecnologas per se son menos importantes
que la relacin automotor-medio ambiente. La tecnologa automotriz
progresa vigilada por una creciente conciencia ecolgica en forma de
leyes y reglamentaciones cada vez ms estrictas.

40

Optimizacin de la lnea del vehculo para mejorar las condiciones de rendimiento


http://motor.terra.es/motor/articulo/html/mot25961.htm 23 Abril 2007, 18:45 hrs.

163

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Figura 7.1 Conversin de la carrocera de los autos a travs del tiempo

En la actualidad son comunes los prototipos de autos con tecnologas


diferentes al tipo de hidrocarburos anteriores: la carrocera va forrada
por costosas celdas solares, lo impulsan pesadas bateras o celdas de
combustible o una combinacin de algunas o todas. Seamos realistas,
aunque no est lejos el da en que las energas alternativas
reemplacen el motor de combustin interna, los motores a gasolina y
diesel dominarn los caminos por varios decenios. El precio del
petrleo es menor que otro tipo de energa y existe una enorme
infraestructura

econmica:

refineras,

gasolineras,

industria

automovilstica, etc., miles de empleos dependen de ella directa o


indirectamente y es imprudente un cambio drstico.
El cambio que experimentar el automvil en el futuro cercano, indica
que lo ms viable es incrementar su eficiencia, que rinda ms con
menos gasolina. Como el automvil est constituido por cientos de
partes, cada una con su funcin definida, primero localicemos las
deficiencias energticas que aporta cada una. Por ejemplo, el consumo
de combustible es mayor en lugares donde el trnsito es pesado. El

164

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

trmino "carga de uso final" define cualquier aspecto de la operacin


del vehculo que consuma la energa provista por el motor; pueden ser
prdidas en forma de energa calorfica en el frenado, la friccin de las
llantas, la friccin y la resistencia aerodinmicas y accesorios como el
aire acondicionado. Tomando en cuenta la termodinmica de la
combustin y la friccin, slo un sexto de la energa de la gasolina se
emplea en las "cargas de uso final", los sistemas de transmisin
actuales son eficientes en slo 17 por ciento.
En la figura 7.2 se ilustra el incremento en el consumo de energa, en
trminos de litros de gasolina, en los ms importantes componentes
del auto: la energa usada en neumticos, resistencia aerodinmica,
frenado y accesorios. Los requerimientos energticos se multiplican
por 1.11 para sobreponerse a la friccin de la transmisin, y despus
por un factor igual a 2.2 para vencer la friccin del motor. Finalmente,
las prdidas durante la combustin (recurdese que la energa de la
combustin se pierde en forma de calor) incrementan la demanda
energtica 2.5 veces ms. As, el uso de nuevos materiales, diseos y
tecnologas que minimicen las prdidas en las etapas iniciales
incrementar la eficiencia total.
Irnicamente, una de las mayores cargas que soporta el vehculo es
su propio peso. Un vehculo liviano requiere menos energa y puede
emplear un sistema de transmisin pequeo. Aunque este anlisis
lleva a reducir el tamao del coche, nos referimos ms bien al empleo
de materiales ms resistentes y ligeros, sin sacrificar tamao ni
capacidad de carga.
Los diseos ms redondeados de la carrocera han reducido la
resistencia aerodinmica en 25%, como se ve en la figura 1.

165

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Un refinamiento de ms trascendencia en el motor es la inyeccin de


combustible efectuada en los cilindros del motor. La manipulacin
cuidadosa del flujo de la mezcla comburente y los gases de la
combustin

travs

de

los

cilindros

puede

aumentar

considerablemente la eficiencia mecnica. En los motores comunes, el


cundo y hasta dnde se abren las vlvulas depende de la posicin del
pistn, pero no de la velocidad del motor o de la carga. Las nuevas
capacidades de medicin y controles electrnicos y mtodos de
manufactura muy precisos hacen posible el control variable de las
vlvulas. Esta tcnica mejora considerablemente los flujos de entrada
y salida en el cilindro en una gama amplia de condiciones. La mayor
apertura de las vlvulas incrementa la potencia, permitiendo la
reduccin en el desplazamiento de los pistones. Antes, su alto costo
limitaba la instalacin de mecanismos de control variable de vlvulas.
Ahora el diseo avanzado y las tcnicas de ensamble permiten su
amplia aplicacin. Desde finales de los aos ochenta, los fabricantes
japoneses han aumentado la incorporacin del control variable de
vlvulas en Japn y en EUA.
Sea pesado o ligero el vehculo, las ineficiencias del sistema de
transmisin causan dao en la economa del combustible. Para
mejorar el sistema de transmisin hay que reducir la friccin del
motor, que consume 50% del combustible. Dentro del motor, el
movimiento ascendente y descendente de los pistones a travs de los
cilindros provoca friccin. El volumen combinado de los pistones se
llama desplazamiento del motor. Un motor grande proporcionar
mayor potencia, pero pagar el precio de mayor friccin. La friccin
por rozamiento se da en las auto partes: vlvulas, pistones y rbol de
levas, entre otros. Hay prdidas por friccin en el abanico del radiador
y la bomba de agua. Tambin hay friccin de bombeo cuando la

166

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

mezcla de aire y combustible se introduce en los cilindros y es


expelida como gases de combustin. Sitio particular de friccin de
bombeo es la vlvula de admisin que controla la entrada de aire al
motor. Slo los refinamientos en diseo, manufactura, materiales y
lubricacin, minimizarn la friccin 41 .

Figura 7.2 Requerimientos energticos de los componentes de un auto

Otro refinamiento de la tecnologa del motor es la sustitucin del


motor de cuatro tiempos por el de dos tiempos.
La compaa japonesa Kyocera ha dirigido sus esfuerzos a crear un
prototipo de motor fabricado de material cermico de alta tecnologa,
que sustituira al hecho de hierro forjado. Sera ms ligero y con
menos prdida calorfica. El aumento en temperatura de la combustin
har el proceso ms eficiente, pero generar ms xidos de nitrgeno.
Se requerir de un convertidor cataltico ms eficiente.
Datos histricos sobre el tema
Las primeras gasolinas se elaboraron a fines del siglo XIX, como
resultado de la destilacin atmosfrica del petrleo crudo. Su rango de
41

Octanaje y su relacin con el rendimiento de combustible


http://www.automotriz.net/cgibin/antiframe.pl?ref=http://www.automotriz.net/tecnica/octanajegasolina.html 23 Abril 2007. 18:40 hrs.

167

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

destilacin (temperaturas a las cuales se evapora), era de 50-200C,


con una calidad octnica suficiente para impulsar a los motores de la
poca, de un slo cilindro y sistemas rudimentarios de encendido y
carburacin. El incipiente desarrollo, tanto de los motores como de las
gasolinas,

condicionaba

el

escaso

rendimiento

energtico.

El

resultado: alto consumo de gasolina para obtener slo una baja


potencia especfica. En la segunda dcada del siglo XX, e impulsados
por las necesidades de movilizacin de tropas y pertrechos en la
Primera Guerra Mundial, se requiri un cambio cualitativo al ser muy
apreciada la relacin potencia / peso de los motores de combustin
interna. Sin embargo, las gasolinas slo podan mejorar su calidad
octnica si se parta de petrleos crudos con mayor proporcin de
aromticos. Casi al mismo tiempo, en 1920, se defini la forma en que
detonan los distintos tipos de combustibles (hidrocarburos aromticos,
parafnicos, isoparafnicos, naftnicos y olefnicos). Un mtodo que
permiti estudiar varios aditivos antidetonantes, destacndose el
tetraetilo de plomo. Su inclusin en las gasolinas de aquella poca
permiti aumentar considerablemente la calidad octnica.
Mayor Potencia Disponible 42
Las gasolinas con plomo comenzaron a distribuirse en EE.UU. y Gran
Bretaa entre 1925 y 1928. A principios de 1930, la incorporacin de
las primeras plantas de craqueo trmico impuls la calidad de las
gasolinas, aumentando la cantidad de gasolina a disposicin del
parque automotor, que por entonces creca vertiginosamente, no slo
en Estados Unidos y Europa, sino tambin en el resto del mundo. Por
aquel ao, las gasolinas posean un nmero octano de 70, siendo
utilizadas en motores con relacin de compresin de hasta 5,5:1. La

42

Motor, Gasolina y plomohttp://www.gratiszona.com/motor/tipos_gasolina.htm 23 Abril 2007 19:15 hrs.

168

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Segunda Guerra Mundial volvi a impulsar el avance tecnolgico de las


gasolinas, ya que los motores de aviacin requeran un nmero de
octano no inferior a 100. Esto provoc un mayor desarrollo de las
tcnicas de refinacin del petrleo, que posibilitara obtener grandes
volmenes de gasolinas de alto octanaje. As se crearon las plantas de
proceso de craqueo cataltico, reformado, alkilacin y desulfuracin,
siempre con el agregado de fluido etlico, permitiendo que hacia 1960,
la relacin de compresin habitual en los vehculos de pasajeros
oscilara entre 7 y 7,5:1, llegando una dcada despus a valores entre
8 y 8,5:1.
Uso racional de los recursos 43
En 1973, la guerra rabe-israel y la nacionalizacin de las reservas
petroleras rabes, sumadas a la revolucin iran de 1979, evidenciaron
la cantidad limitada de petrleo crudo disponible. Ello determin una
tendencia, no slo en el diseo de motores y vehculos, sino tambin
como un importante cambio en la filosofa: "Los recursos naturales
deben utilizarse racionalmente y sin derroche".
Proteccin ambiental
Adems de los factores tcnicos, polticos y econmicos, otro comenz
a influir en la produccin y consumo de gasolinas: la consideracin
hacia el medio ambiente.
En 1960 se detect una baja en la calidad del aire en la ciudad de Los
ngeles (California, EE.UU.), ocasionada por emisiones de los motores
de los autos, adems de una combinacin de factores climticos y
geogrficos. Por ese motivo, y en coincidencia con circunstancias

43

Mazarr, Michael. Qu ser de MXICO en el 2005, p42, Mxico. Publicaciones Cruz O., S.A. 2000

169

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

similares monitoreadas en otras grandes concentraciones urbanas, se


inici la legislacin tendiente a preservar el medio ambiente.
La necesidad de disminuir las emisiones provoc: 1) modificaciones en
motores, reduciendo su rendimiento, 2) introduccin de convertidores
catalticos, para el tratamiento de los gases de escape, 3) eliminacin
del plomo como aditivo antidetonante, 4) investigacin de otros
aditivos que pudiesen mejorar la calidad octnica de las gasolinas.
Mejor refinacin
Estas circunstancias provocaron cambios en el diseo y elaboracin de
las gasolinas. Dado que los compuestos de plomo son altamente
perjudiciales para los convertidores catalticos y adems cuestionados
por razones de preservacin ambiental, la industria refinadora
continu mejorando sus procesos e investigaciones para obtener
nuevos combustibles amigables con el medio ambiente y al mismo
tiempo, alcanzar la cantidad de octanos que satisficieran a los nuevos
motores, de menor tamao y mayor rendimiento.
Desde 1995, ninguna gasolina en EE.UU. posee plomo, mientras que
en la Argentina, ello sucede desde 1998.
Las exigencias de los nuevos diseos de motores y las prestaciones
exigidas a las gasolinas, llevaron a la formulacin de lo que se conoce
como "gasolinas reformuladas". Su definicin general es: Eliminacin
del agregado de plomo.

Limitacin de hidrocarburos olefnicos.

Limitacin de azufre.

Disminucin de tensin de vapor REID.

Aumento de la calidad octnica.

170

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Agregado de derivados oxigenados.

Empleo de aditivos multifuncionales.

Las gasolinas ms modernas, como las de la Lnea YPF, elaboradas de


acuerdo a estos principios, ofrecen como beneficios:

Permiten el uso de convertidores catalticos.

Permiten la inyeccin de gasolina. (uso de sonda Lambda).

Disminuyen costos de mantenimiento.

Disminuyen consumo de gasolina.

Motores de Combustin Interna y Octanajes de Gasolina


Qu son los motores de combustin interna? Son los que usan los
automviles. Se llaman tambin motores de explosin.
Cmo trabajan los motores de combustin interna?
Estos

motores

trabajan

tiempos

siendo:

la

admisin,

la

compresin, la explosin y el escape. En la figura 7.3 se ilustra.


El primer tiempo o admisin, el cigeal arrastra hacia abajo el
mbolo, aspirando en el cilindro la mezcla carburante que est
formada por gasolina y aire procedente del carburador.

Figura 7.3 Los cuatro tiempos del motor de combustin interna

171

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

El segundo tiempo es la compresin. El cigeal sube el pistn, el cual


comprime la mezcla carburante en la cmara de combustin.
El tercer tiempo, es la explosin cuando la chispa que salta entre los
electrodos de la buja inflama la mezcla, producindose una violenta
dilatacin de los gases de combustin que se expanden y empujan el
mbolo, el cual produce trabajo mecnico al mover el cigeal, que a
su vez mueve las llantas del coche y lo hace avanzar.
Por ltimo, en el cuarto tiempo, los gases de combustin se escapan
cuando el mbolo vuelve a subir y los expulsa hacia el exterior,
saliendo por el escape del automvil.
Naturalmente que la apertura de las vlvulas de admisin y de escape,
se obtienen mediante mecanismos sincronizados en el cigeal.
Qu significa el octanaje 44 en una gasolina?
A mediados del siglo pasado se descubri que uno de los compuestos
que forman la gasolina,-Heptano normal- (cadena lineal de siete
tomos de carbono) es el que provocaba la peor detonacin. Por lo
que se le asign un valor de cero en la escala de detonacin.
El compuesto que detonaba menos era de ocho tomos de carbono,
formando una cadena ramificada llamada isooctano. Se le dio un valor
de 100, y as, nacieron los ndices de octano de las gasolinas.
Existen aparatos especiales para medir las detonaciones. El resultado
se compara con mezclas de heptano e isooctano hasta encontrar
aquella que produzca un efecto semejante.

44

Octanaje y su relacin con rendimiento


http://www.automotriz.net/cgibin/antiframe.pl?ref=http://www.automotriz.net/tecnica/octanajegasolina.html 28 Abril 2007 19:45 hrs.

172

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

As, por ejemplo, si cierta gasolina tiene caractersticas detonantes


parecidas a las de una mezcla en 90% de isooctano y 10% de heptano
normal, entonces se le asigna un ndice de octano de 90.
Pero por qu se dijo en el captulo anterior que la gasolina natural
proveniente de la destilacin primaria no llenaba las especificaciones
de octanaje requeridas por los automviles? Cmo se consigue
aumentar el ndice de octano en la gasolina? Si la fraccin que
contiene de cinco a nueve tomos de carbono en el petrleo crudo es
insuficiente para satisfacer las demandas de gasolina, qu procesos
se usan para hacer ms gasolina a partir de las otras fracciones?
Las caractersticas generales de una gasolina 45
Algunas caractersticas que se exigen a una gasolina a fin de satisfacer
las necesidades de los usuarios de automviles en el mundo son:
El ndice de anticascabeleo. Antes de 1929, los carburantes se
clasificaban en una mquina monocilndrica, en la que el cociente de
compresin poda variarse entre 2.7:1 hasta 8:1. Cada carburante se
experimentaba empleando diferentes relaciones aire/combustible y
tiempos de ignicin variados, buscndose determinar el mximo de
potencia y la relacin de compresin ms elevada. El valor obtenido se
llamaba algo as como "cociente de compresin til" que se refera al
valor obtenido con el tolueno.
La gasolina se clasifica en primera instancia de acuerdo con el ndice
de anticascabeleo, que es una medida del octano. El cascabeleo
(golpeteo) se origina por la direccin opuesta de dos frentes de llama:
el debido a la explosin anticipada del combustible por encontrarse a
45

Gasolina, http://tq.educ.ar/tq03028/html/naftas.htm 28 Abril 2007 21:32 Hrs.

173

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

elevada temperatura y el que produce la buja. Como resultado de la


direccin opuesta de ambos frentes se producen las vibraciones.
La medida de habilidad de un combustible para resistir la auto ignicin
bajo un incremento de presin es el octano. La eficiencia de un
automvil encendido por una chispa se relaciona con la relacin de
compresin.

Cualquier

"detonacin"

causada

por

el

carburante

destruir rpidamente los elementos mecnicos del motor. Desde


1912 los automviles cuya ignicin del combustible se inicia mediante
la chispa de una buja siempre se han visto limitados por los
"cascabeleos" indeseables, es este sonido una descripcin justa
cuando el automvil emplea gasolina de bajo octano. Thomas Midgley
descubri que las detonaciones se deban al aumento brusco de la
presin una vez que se llevaba a cabo la ignicin. En 1926 Graham
Edgar sugiri que dos hidrocarburos que podan producirse en
cantidad suficiente y de alta pureza fueran utilizados para desarrollar
una escala, que en aquel tiempo iba de 0 a 100. Los primeros
resultados se publicaron en 1929 y la industria sigue usando este
mtodo y los mismos patrones para las comparaciones. Dos parafinas
de propiedades fsicas similares fueron escogidas, una es el heptano
normal, es decir el hidrocarburo lineal de siete tomos de carbono con
sus correspondientes hidrgenos que, adems, provoca muchas
detonaciones. El cien de la escala es el llamado isooctano que
qumicamente hablando tiene el solemne nombre de 2,4,4, trimetilpentano, es decir, un hidrocarburo de ocho carbones ramificado y
cuya frmula ilustramos a continuacin y que resultaba ser una
sustancia de muy baja resistencia al cascabeleo:

174

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

ISOOCTANO
Figura 7.4

Frmula del isooctano

En los aos treinta se observ que no era posible correlacionar los


resultados que se obtenan en el laboratorio con los del automvil en
la carretera o los que resultaban del manejo en la ciudad en donde las
condiciones

varan

mucho.

En

general

el

RON,

grosso

modo,

correlaciona la habilidad antidetonante del motor conducido a baja


velocidad debido a la carga que transporta. Si el RON es muy bajo, se
darn cascabeleos y detonaciones al apagar el motor. Mientras que el
MON relaciona la capacidad antidetonante del auto cuando est sujeto
a las altas velocidades y en condiciones severas de manejo, como al
subir por caminos empinados o adelantar a un coche en donde se
requiere rpidamente de potencia.
ndice anticascabeleo =1/2 (RON + MON)

Algunos
factores
diseo/operacin

de Factores externos

Relacin decompresin

Presin baromtrica/ altitud

Tiempo de ignicin

Temperatura

Relacin aire/ carburante

Humedad

Temperatura de combustin

Depsitos en la cmara de combustin

Diseo de la cmara de combustin


Recirculacin de gases de escape
Tabla 7.1

Factores de Diseo

175

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

2) Sensibilidad. El valor resultante de restar el RON del MON se


llama sensibilidad. Para dos carburantes del mismo RON, una
gasolina con mayor sensibilidad tendr un MON menor. Lo que
representa este valor es la capacidad que tiene la gasolina
para soportar cambios en la severidad de las condiciones de
operacin de la mquina en trminos de su capacidad
antidetonante.

Figura 7.4 Calidad de octano en funcin de la severidad de la mquina

Con estos valores podemos relacionar los procesos de transformacin


de

hidrocarburos

con

las

sensibilidades

obtenidas

de

ellos,

comenzando por la que proviene directamente del crudo, veamos:


Tipo de corte de gasolina

RON + MON/2

gasolina atmosfrica

70

gasolina cataltica

86.2

producto de reformacin de naftas

89.9

producto de alquilacin

92.5

Tabla 7.2

Proceso de transformacin de los hidrocarburos

176

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

En la refinera se cuenta con diversas corrientes para hacer las


mezclas apropiadas y dar las especificaciones de octanaje. Los
nmeros de octano de mezclado son reales, ajustados para ganancias
adicionales en el mezclado y se pueden ponderar linealmente. Y he
aqu un ejemplo en el que utilizamos los datos anteriores. Imagine
que se desea hacer gasolina de 87 octanos y llegan 5 millones de
barriles por da de gasolina atmosfrica, 17 de cataltica, 3 de
alquilado y nos preguntan: cunto le aadimos de gasolina de
reformacin? Simple:
A) Descripcin de la situacin actual
La filosofa esencial de un negocio es el logro de la satisfaccin de las
necesidades y expectativas de nuestro cliente; una disciplina que mide
de forma clara y real

la efectividad o capacidad de un proceso

productivo o de servicios; Seis Sigma es una Metodologa que contiene


pasos analticos empleando herramientas estadsticas para mejorar
productos y procesos existentes y establece metas organizacionales
para realizar todas las actividades diarias de una empresa con el fin de
alcanzar niveles de calidad exigidos por el cliente final, el cual es la
razn de existir de cualquier negocio sano.
Los niveles de Satisfaccin del cliente se logran al reducir la
variabilidad en los procesos, dando como resultado la reduccin de la
variabilidad de los productos y servicios, con esta metodologa,
lograremos

que

se

reduzcan

los

costos,

los

tiempos

ciclo,

aumentando con esto la competitividad de nuestro negocio e


incrementando con esto, la posibilidad de subsistencia en mercados
sumamente competidos en la actualidad.

177

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Con base en lo anterior lo que resta es buscar quin ser nuestro


cliente para saber que es lo que el quiere y cmo nuestros productos
pueden satisfacer sus necesidades ms preciadas.
Para poder comenzar a tomar datos a cerca de los procesos, se
requiere lo siguiente:

Reconocer como afectan los desempeos de cada uno de


nuestros procesos a los resultados globales de la organizacin.

Reconocer como afectan los procesos a la rentabilidad.

Definir cuales son las caractersticas crticas del proceso del

negocio

7.2 Fase de Definicin.- Carta compromiso del proyecto


El siguiente documento, muestra el contrato efectuado con la
direccin del negocio, a fin de establecer un compromiso, entre el
equipo de trabajo y la direccin de la compaa; cabe hacer mencin
que este documento es el que sustenta la viabilidad del proyecto de
mejora.

178

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Project charter 46

Quin es el Cliente?
Cuando se decide llevar a cabo una investigacin, para poder
comenzar algn estudio sobre un tpico de inters, se deber por
46

Project Charter: Carta del proyecto por su traduccin al espaol

179

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

fuerza seguir un procedimiento serio, ordenado y disciplinado, es por


esto que se tendrn que seguir los siguientes pasos:
a) Se requiere conocer quien es el cliente, la persona o la actividad
que ser la que se vea beneficiada por la terminacin exitosa de
este proyecto de mejora.
Para el presente trabajo el cliente ser aquella persona que lleve a
cabo el proceso de compra de un vehculo, tambin pudiera ser
aquella organizacin que hace la compra de una flotilla vehicular y
est interesada en obtener el mejor rendimiento de su inversin
automotriz.
b) Lo que sigue despus es el conocer que es lo que busca el
cliente es decir su voz. Para este caso el cliente lo que busca es:
Lograr el mayor rendimiento de combustible por milla
recorrida

c) Lo que se requiere hacer una vez cumplido el paso anterior, es el


determinar cual ser la fuente de informacin de la cual extraer sus
datos, as como su confiabilidad, la cual garantizar la validez de dicha
informacin, con la cual se tomarn las decisiones para el logro de los
resultados esperados por el cliente. La fuente de informacin ser: Las
Pruebas de Durabilidad realizadas por una Armadora Automotriz.
Teniendo como base lo anterior se proceder a revisar

toda la

informacin recolectada para determinar su grado de confiabilidad.


Finalmente el cumplimiento de las expectativas del cliente y su
mxima satisfaccin: ser el siguiente paso a seguir.

180

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

7.3 Fase de Medicin.- Quin es el cliente? y Cul es su Voz?


Aqu se us una metodologa disciplinada; la cual conta de las fases
DMAIC 47 ,

proveniente de la Metodologa Seis Sigma

Para nuestro caso existen dos tipos de cliente: uno es el


interno el cual ser La Armadora automotriz en cuanto a el
nivel de participacin en el mercado y el cliente externo que el
cual ser el cliente final que adquiere los vehculos y paga
por su mantenimiento y funcionamiento.
Durante el presente trabajo de investigacin se pretende llevar a la
prctica los pasos que se pudieron aplicar de la Metodologa Seis
Sigma, ya que como se indic en su oportunidad este caso no es
estrictamente un proyecto Seis Sigma, porque no est alineado a un
proceso estratgico del negocio en cuestin.
Se revisar, la grfica de caja, la normalidad de los datos, el anlisis
del sistema de medicin, la estadstica bsica, las etapas de un
Diseo de Experimentos, as como la aplicacin de la Optimizacin del
Proceso al resultado final obtenido. El objetivo principal de este
trabajo experimental consiste en proponer todos los posibles factores
que estn implcitos en el consumo de combustible que tiene un
automvil, para por ltimo emitir los documentos que permitan
controlar la mejora.
La industria automotriz ha continuado experimentando una creciente
demanda por parte del pblico consumidor de automviles, as como
por las agencias gubernamentales de vehculos automotores, el
incremento en el rendimiento en el uso de combustible basado en
47

D = Definir, M = Medir, A = Analizar, I = Improve (Mejorar traducido del ingls) y C = Controlar

181

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

hidrocarburos (gasolina) sea cada vez de mayor valor, es decir que se


reduzca el uso de este insumo. Sin embargo, como sabemos en
general, un proceso productivo tiene un sin fin de fases y por ende un
mucho mayor numero de variables y factores que influyen en el
resultado final,

por lo cual el alcance del proyecto considera la

evaluacin nicamente base a los datos obtenidos para un auto


producido por la Armadora automotriz.
Evaluacin de beneficios.
Los Beneficios del presente proyecto estarn basados en el sustento
terico de que en general una gasolina debe permitir:

Arranque rpido en fro y en caliente. Menor uso de gasolina

Calentamiento rpido del motor. Menor uso de gasolina

Desarrollar mxima potencia y pique del motor con la mxima


economa a todos los regmenes de marcha.

Ausencia de pistoneo o detonacin.

Mantener

limpios

inyectores,

carburador,

cmara

de

combustin, bujas y cabeza del pistn.


- Variable Respuesta.
La variable Respuesta para el presente proyecto ser el consumo de
combustible (galn), por la distancia recorrida (millas). Para lo
anterior se proceder a encontrar las CTQs 48 , de este trabajo:
Buscando establecer la mayor cantidad posible de factores que pueden
afectar a la variable respuesta; el equipo recurri al uso de la tcnica
de lluvia de ideas, agrupando los factores encontrados en los
siguientes cinco rubros:

48

CTQ: Critical to Quality (Crtico para la Calidad) por su traduccin al idioma espaol

182

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

1.- Altitud
* Manejar en ciudades al nivel del mar
* Manejar en ciudades sobre el nivel del mar
2.- Manejo del automvil
* Calentar el motor del automvil por ms de un minuto (funcionando
en vaco).
* Acelerar rpidamente estando la marcha en alto
* Velocidad de desplazamiento
* Transito denso
* Tipo de conductor agresivo o defensivo
* Usar aire acondicionado
3.- Mantenimiento del automvil
* Filtro de aire sucio
* Mantenimiento deficiente: frenos, aceite de motor, lubricacin,
afinacin, encendido, inyectores, bujas, etc.
* Presin de las llantas
4.- Caractersticas del Combustible
* Tipo de Gasolina usada en base a su Octanaje (Magna o Premium).
5.- Aerodinmica
* Carga extra sobre el automvil
- Eliminacin de factores de menor importancia.

183

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Para eliminar los factores de menor importancia, tambin denominados


triviales, se us la teora y la experiencia. Los factores que se eliminan
y que se consideran de menor importancia son aquellos que provocan
una perdida de combustible menor o igual al 15% o que son
provocados por el conductor y que en un diseo de experimentos no es
posible controlarlos.

Altitud (metros sobre el nivel del mar).

Uno de los factores que afecta directamente el rendimiento de


combustible en un automvil es la altura sobre el nivel del mar,
puesto que a mayor altura menor cantidad de oxigeno. Esta
disminucin de oxigeno afecta la combustin, fenmeno que hace
funcionar los motores, ocasionando una perdida de potencia, torque y
un menor rendimiento de combustible (milla / galn).
Este factor es muy importante, sin embargo se elimina debido a la
dificultad de realizar pruebas a diferentes altitudes y a que el estudio
se har a 2300 m sobre el mar, lo que a la postre beneficiar al cliente
final, ya que el rendimiento esperado a nivel del mar ser mayor.

Calentar el motor del automvil por ms de un minuto


(funcionando en vaco).

Se elimina este factor debido a que de acuerdo con la teora un


automvil consume 100 ml. por cada 10 minutos funcionando en
vaco, la cual es una cantidad muy pequea de combustible, adems
de que este factor depende de cada conductor.

Acelerar rpidamente desde un alto.

Aunque

se

consume

hasta

un

50%

ms

de

combustible

en

comparacin con una aceleracin gradual, es poco comn que se


acelere de esta manera, a menos que se trate de gente que le guste la
emocin.
184

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Transito denso: va relacionada con la velocidad y paradas


continas.

El transito denso aumenta hasta en un 15% el consumo de


combustible, pero este no se tomar en cuenta debido a las
condiciones reglamentarias para llevar a cabo la prueba, siendo esta
en un laboratorio o en una pista sin trfico.

Usar aire acondicionado.

Se consume 10% ms de combustible, sin embargo, en ciudades


donde el calor no es tan fuerte o existe humedad ambiental no se
acostumbra el uso de automviles con aire acondicionado por
economa.

Filtro de aire sucio

Es importante mantener limpios los filtros ya que si estn sucios la


mezcla de nafta y el aire aumenta y queda mayor cantidad de nafta
sin quemar. La combustin no es correcta y puede aumentar hasta en
un 10% el consumo de gasolina, para nuestro caso este factor queda
eliminado debido a que el estudio se lleva a cabo en un vehiculo nuevo
con filtros nuevos.

Mantenimiento.

Un mantenimiento deficiente aumentar hasta en un 30% el consumo


de combustible, sin embargo, las pruebas sern realizadas en un
automvil nuevo, por lo que este factor no ser tomado en cuenta.

Carga extra del auto

Por cada 50 kg de peso extra en el vehculo se incrementa en un 2%


el consumo de combustible. Este factor tiene poca importancia ya que
es muy raro que uno sobrecargue un auto y por las especificaciones

185

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

propias de la prueba en las que se indica que el vehiculo solo llevar a


un pasajero, en este caso el piloto de pruebas.
Eleccin de factores de mayor importancia (CTQs).
Basados en el anlisis anterior, se concluy que los principales
factores son:

Presin de aire en las llantas.


Octanaje del combustible.
Velocidad promedio de desplazamiento.

Recoleccin de datos para el estudio de investigacin.


Los datos usados fueron los siguiente:
Auditor

Muestra

Dato

Dato

Auditor

Muestra

Juan Torres

9.99

10.00

Juan Torres

15.00

15.00

Juan Torres

20.03

Juan Torres

Juan Torres

Dato

Dato

Isidro Glez

10.00

9.99

Isidro Glez

15.02

15.02

20.04

Isidro Glez

20.04

20.05

25.05

25.07

Isidro Glez

25.07

25.07

30.07

30.08

Isidro Glez

30.07

30.08

Juan Torres

35.08

35.10

Isidro Glez

35.09

35.09

Juan Torres

40.09

40.10

Isidro Glez

40.08

40.08

Juan Torres

45.07

45.09

Isidro Glez

45.07

45.08

Juan Torres

50.06

50.06

Isidro Glez

50.06

50.06

Box plot 49 .
Haciendo uso del programa Minitab, obtenemos en la siguiente
la grfica de caja para la cual sirve para revisar si no se tienen
observaciones inusuales. Ver la figura 7.5

49

Box plot: Grfica de caja por su traduccin al espaol

186

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

B o x pl o t pa r a M i / G l
35

Mi / Gl

30

25

20

15

Figura 7.5 Diagrama de caja se observa que no se tienen lecturas provenientes de


causas especiales, toda la variacin se origina por causas comunes.

Prueba de Normalidad
El siguiente paso es el de revisar el tipo de distribucin que siguen los
datos obtenidos, esto es relevante debido a que se hace necesario el
llevar a cabo una serie de inferencias estadsticas a cerca del
comportamiento que tendrn los datos en el futuro, as como la
prediccin de comportamientos futuros de los procesos en estudio.
Por lo anterior se hace necesario el desarrollar un procedimiento de
prueba de Normalidad por medio del software llamado Minitab 50 , con
la prueba Anderson Darling 51

50
51

Minitab: Software estadstico marca registrada


Mtodo de anlisis de normalidad para ms de 15 datos

187

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Prueba de Normalidad de Mi / Gl
Normal
99

Mean
StDev
N
AD
P-Value

95
90

24.67
5.498
24
0.386
0.364

Percent

80
70
60
50
40
30
20
10
5

10

15

20

25
Mi / Gl

30

35

40

Figura 7.6 El p-value es > 0.10, por tanto podemos seguir adelante con nuestro
estudio ya que la distribucin de datos sigue una distribucin de tipo Normal.

Descriptive Statistics 52
Con esta herramienta se revisarn los parmetros estadsticos
muestrales de nuestra Variable de Respuesta que para nuestro estudio
es la distancia en millas recorridas por galn de combustible.
La figura 7.7 se muestra a continuacin.

52

Descriptive Statistics: Estadstica Descriptiva por su traduccin al espaol

188

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Summary for Mi / Gl
A nderson-Darling Normality Test

20

25

30

A -Squared
P-V alue

0.39
0.364

Mean
StDev
V ariance
Skewness
Kurtosis
N

24.667
5.498
30.232
0.350461
-0.991539
24

Minimum
1st Quartile
Median
3rd Quartile
Maximum

35

17.000
20.000
24.000
29.500
35.000

95% C onfidence Interv al for Mean


22.345

26.988

95% C onfidence Interv al for Median


20.827

27.173

95% C onfidence Interv al for StDev

95% Confidence Intervals

4.273

7.713

Mean
Median
20

22

24

26

28

Figura 7.7, se ratifica que el p-value es > 0.10, por tanto podemos asumir que nuestros
datos siguen una distribucin de tipo Normal, con una media de 24.667, y una varianza
de 30.232
Anlisis del Sistema de Medicin ASM.
El Sistema de Medicin que se probar en primera instancia ser el de
la presin de aire en las ruedas, este sistema consta de un
manmetro digital que medir la presin de aire, las unidades de
medicin sern psi, y la precisin ser de 0.01 psi 53 , dos operarios
tomando nueve lecturas con dos repeticiones. Los resultados del
estudio se muestran a continuacin:

53

PSI: pound square inche: Libra por pulgada cuadrada, por su traduccin al espaol

189

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Tabla 7.3 Gage R & R presin de aire

Con base en el % de tolerancia usado por la variacin podemos


concluir, que el estudio es altamente satisfactorio:
% Tolerance (SV / Toler) = 0.72
Del estudio Gage R & R 54 , para el calibrador de presin de aire en la
rueda, se obtuvieron los siguientes grficos:

54

Gage R & R: Estudio de Repetibilidad y Reproducibilidad del instrumento de medicin, por su


traduccin al espaol

190

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Components of Variation

Percent

By Sample a)
50

%Contribution
%Study Var
%Tolerance

1000

40
30

500
20
10

0
Gage R&R

Repeat

Reprod

Sample a)

Part-to-Part

R Chart by Auditor
Sample Range

0.03

Is idro Gonz lez

By Auditor
J uan Torres

50

UCL=0.02717

40

0.02

30
0.01

R=0.01056

0.00

LCL=0

20

10

Auditor
Isidro Gonzlez

Xbar Chart by Auditor


J uan Torres

LCL=30.04
UCL=30.07
Mean=30.05

20
10

Auditor

50

40
30

Juan Torres

Auditor*Sample a) Interaction
Average

Is idro Gonz lez

50

Sample Mean

Air tire preasure gage


Apr 20, 2005
J. A. Morales
6 psi

Gage name:
Date of study:
Reported by:
T olerance:
Misc:

Gage R & R for Air Tire preasure gag

Isidro Gon
Juan Torre

40
30
20
10

Sample a)

Figura 7. 8 Graficas del Gage R & R

Conclusin: El estudio Gage R & R es aceptado


El siguiente Sistema de Medicin que se revisar ser el de la
velocidad de recorrido constituido por un velocmetro digital, las
unidades de medicin sern millas por hora, y la precisin ser de 0.1
mph. Los resultados del estudio se muestran a continuacin:

191

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Tabla 7.4 Gage R & R Cluster 55

Con base en el % de tolerancia usado por la variacin podemos


concluir, que el estudio es altamente satisfactorio:
% Tolerance (SV / Toler) = 7.80
Del estudio Gage R & R, para el odmetro en el tablero de
instrumentos, se obtuvieron los siguientes grficos:

55

Cluster Panes de Instrumentos del tablero de un auto por su traduccin al espaol

192

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

GageR&RparaClusters
Reported by: E. Barajas, J. Morales, J. Ramirez
Tolerance: 0.1 mph
Misc:

Gage name: Gage R &R para Clusters


Date of study: Oct. 4. 2006
Componentsof Variation

DatabyCluster

400

%Contribution

Percent

%Study Var

64

%Tolerance

200

56
48
Gage R&R

Repeat

Reprod

Part-to-Part

Sample Range

R. Perez

_
R=0.1917

56

0.00

LCL=0

48

J. Luna

R. Perez
Auditor

XbarChartbyAuditor

UC
_
_ L=58.51
X=58.15
LCL=57.79

Average

Sample Mean

Auditor*ClusterInteraction

R. Perez

64

48

64

0.25

56

DatabyAuditor
UCL=0.6262

0.50

J. Luna

4
Cluster

RChartbyAuditor
J. Luna

Auditor

64

J. Luna
R. Perez

56
48

3
4
Cluster

Figura 7. 9 Graficas del Gage R & R

Conclusin: El estudio Gage R & R es aceptado

193

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

7.4

Fase de Anlisis.- Anlisis de problemas encontrados.


S umma r y for M i / G l
A nde rso n-D a rling N o rm a lity T e st

20

25

30

A -S qua re d
P -V a lue

0 .3 9
0 .3 6 4

M ean
S tD e v
V a ria nce
S k e w ne ss
K urto sis
N

24 .6 6 7
5 .4 9 8
30 .2 3 2
0 .35 0 4 6 1
-0 .99 1 5 3 9
24

M inim um
1 st Q ua rtile
M e dia n
3 rd Q ua rtile
M a xim um

35

17 .0 0 0
20 .0 0 0
24 .0 0 0
29 .5 0 0
35 .0 0 0

9 5% C o nfide nce I nte rv a l fo r M e a n


2 2 .3 4 5

26 .9 8 8

9 5 % C o nfide nce I nte rv a l fo r M e dia n


2 0 .8 2 7

27 .1 7 3

9 5% C o nfide nce I nte rv a l fo r S tD e v

9 5 % C o n f id e n c e I n t e r v a ls

4 .2 7 3

7 .7 1 3

M ean
Median
20

22

24

26

28

Figura 7. 9 Grafica de Resumen estadstico

Objetivo Preliminar
Como primer paso se propone lo siguiente:
Consumo inicial de

Objetivo de

Objetivo

combustible al arranque

reduccin inicial

Preliminar

0.195 gallon/start

25%

0.26 gallon/start

Tabla 7.5 Objetivo preliminar

Se plantea como objetivo preliminar el disminuir el consumo de


combustible al arranque, en un 25%, pasando de 0.26 gallon/Start, a
0.195 gallon/Start.
Dado que los datos tienen un comportamiento que sigue una
Distribucin

Normal,

podemos

hacer

ciertas

suposiciones

(estimaciones) con respecto a su comportamiento en el futuro.


Para este estudio se hizo uso de un laboratorio de pruebas, equipo de
medicin y pruebas, uso de combustible sin cargo, una pista de
pruebas y de un conductor experimentado para eliminar con esto el

194

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

factor de ruido que involucra al tipo de conductor que realizara las


diferentes pruebas.
Los conflictos con los que nos encontramos fueron los siguientes:

La dificultad para poder permitir a personal no perteneciente a la


empresa para poder estar en reas de acceso restringido.
Obstculo que fue insalvable.

La nula disponibilidad de mas de un vehculo para llevar a cabo


las pruebas con los distintos arreglos. Se nos presto un auto
modelo 2006 de la flota de vehculos interna de la planta.

El personal que llevo a cabo los estudios se port muy accesible


y comprometido con las pruebas.

Saber cuantas vueltas completas deberamos de llevar a cabo en


la pista para tener datos confiables. Se calcularon dos vueltas.

La accesibilidad de mi supervisor para permitirme el distraer


tres das de mi trabajo para llevar a cabo el estudio (estudios de
R y R y las pruebas de rendimiento de combustible).

La existencia de un programa de pruebas que impeda la


realizacin de la nuestra, lo que provoco que en ocasiones
tuviramos que hacer las pruebas en la tarde, con los
consabidos trastornos de pago de tiempo extra, lluvias (factor
que impidi el llevar la prueba en tres ocasiones) falta de
iluminacin de la pista y excesivo viento, etc.

El pago de combustible para llevar a cabo las pruebas,


aproximadamente 416 ml. de combustible por prueba.

195

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

7.5 Fase de Mejora.- Diseo de Experimentos propuesto.


Eleccin de factores de mayor importancia y sus niveles.
Los niveles a los que se probarn los tres factores seleccionados en el
apartado 7.6, as como sus interacciones sern dos, denominndose
como nivel bajo (-) y nivel alto (+), los valores para los niveles de
cada factor a estudiar se muestran en la tabla que a continuacin se
muestra:
Variables independientes
(Xs, Factores)

Nivel bajo (-)

Nivel alto (+)

Presin de las llantas psi

30

35

Octanaje

87

92

Velocidad (MPH)

55

65

Tabla 7.5

Niveles de los factores

Los valores de las variables o factores a los cuales con los cuales se
llevar a cabo el diseo experimental, se listan a continuacin:
Presin de Inflado en libras por pulgada cuadrada (psi) sern:
Nivel Bajo
Nivel alto

30 psi
35 psi

Octanaje (explosividad) del combustible a ser estudiado sern:


Nivel Bajo
Nivel alto

87 Octanos
92 octanos

Velocidad de desplazamiento en millas por hora (mph) sern:


Nivel Bajo
Nivel alto

55 millas por hora


65 millas por hora

Mecanismos para control de los niveles de cada factor.


Los principales mecanismos elegidos para controlar los niveles de los
factores durante el experimento fueron:

196

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

a) La presin de aire de ruedas se fijar en 30 y en 35 psi, el


porqu?

lo

explica

la

especificacin

del

rango

de

velocidad para el inflado de ruedas.


b)

Para el octanaje se tienen dos tipos: la Magna de 87


octanos, y la Premium con 92 octanos.

c) Las velocidades de prueba por recomendaciones del


fabricante, se fijarn entre las 55 MPH (88.4 KPH) y

65

MPH (104.5 KPH).


Con base a los factores elegidos y sus distintos niveles a los que se
probarn, se eligi trabajar con un diseo de experimentos del tipo:

Diseo Experimental Factorial 2k en Completamente al


Azar con tres repeticiones
Identificacin del auto a usar.
Se emplear un vehculo, el cual se instrumentarn todos y cada uno
de los distintos arreglos del experimento propuesto, hasta terminar los
veinticuatro propuestos. En cada experimento o arreglo, en el vehculo
se corrern las pruebas con base en los parmetros fijados para cada
experimento, se irn midiendo los resultados del consumo de
combustible usado en cada prueba y el valor se ir registrando en una
tabla.
Orden de las corridas experimentales.
Se estn investigando tres factores o variables, a saber, Presin de
Inflado de las Ruedas, Octanaje del Combustible y la Velocidad de
Desplazamiento del vehculo, para el anlisis de la Economa de
Combustible como Variable Respuesta para lo cual se harn las
197

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

corridas en orden aleatorio que se muestra en la siguiente tabla de


eventos:

Esta columna identifica el


orden en el cual se harn
las corridas experimentales

Esta columna identifica el


orden en el cual se generan
las corridas experimentales
sin aleatorizar.

Tabla 7. 6

Arreglo del experimento en Minitab

Ejecucin y Desarrollo del Experimento.

198

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Con base en el anterior arreglo de corridas se procede a llevar a cabo


el experimento, encontrando los siguientes datos para la Economa
de Combustible como Variable Respuesta los datos fueron
colocndose

una

vez

terminado

cada

experimento,

los

datos

encontrados son los siguientes:

Columna de
resultados

Tabla 7. 7

Arreglo del experimento

Anlisis estadsticos de resultados obtenidos.


Con base en las figuras 1 a la 3, podemos concluir que el experimento
fue desarrollado de una forma controlada y ordenada (sin causas
especiales de variacin, sino solo causas comunes), los datos de la

199

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Variable Repuesta siguen una distribucin Normal de datos con base


en el pvalue es igual a 0.364 > 0.10 y el anlisis de los resultados de la
estadstica bsica nos corrobora que la distribucin de datos de
nuestra Variable Respuesta sigue una distribucin de tipo Normal con
la cual tiene una media de 24.667, una desviacin estndar de 5.488,
una varianza de 30.232, una mediana de 24.00, un valor mnimo de
17.00 y un valor mximo de 35.00 millas por galn.
Adicionalmente, el intervalo de confianza con un nivel de significancia
igual a 95% nos dice que para el parmetro muestral denominado: la
media est entre: 22.345 y 26.988 millas por galn.
Los siguientes anlisis estadstico se llevarn a cabo por medio de un
Diseo

de

Experimentos,

el

cual

nos

proporcionar

suficiente

informacin para poder distinguir cual es el factor o los factores as


como sus combinaciones que afectan de forma ms significativa a la

Variable Respuesta (Millas por Galn), su anlisis, las


recomendaciones as como, las conclusiones finales se explicarn en
los incisos subsecuentes a este inciso.
El presente diseo pretende nicamente revisar con base en los 3
factores elegidos; cuales son las mejores condiciones para cada factor
que bajo condiciones controladas tienen probabilidades de lograr el
mejor rendimiento de combustible en el automvil.
En ningn momento el presente diseo pretende establecer
como verdad inamovible que dichos factores son de manera
exclusiva aquellos que nicamente influyen en el rendimiento
y consumo de combustible; debido a que como se menciona al
inicio de este estudio, para fines prcticos se llevo a cabo un

200

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

screening 56 con base a la experiencia y feeling 57 de los


integrantes para optimizar la variable respuesta buscada.
Grficos y Diagramas de resultados
Como ya se haba explicado antes, decidimos hacer un diseo

experimental 2k completamente al azar; de este experimento y


haciendo uso de la grfica de Pareto para los efectos de los factores o
variables en el Millaje recorrido por galn de combustible, se tiene lo
siguiente:

Pareto Chart of the Standardized Effects


(response is Mi / Gl, Alpha = .05)
2.12
F actor
A
B
C

N am e
P resion
O ctanaje
V elocidad

Term

A
BC
ABC
AB
AC
0

10

20
Standardized Effect

30

40

Figura 7.10 Pareto de efectos


Factorial Fit: Mi / Gl versus Presin, Octanaje, Velocidad
Estimated Effects and Coefficients for Mi / Gl (coded units)
Term
Constant
Presin
Octanaje
56
57

Effect
3.000
3.833

Coef
24.667
1.500
1.917

SE Coef
T
0.1318 187.21
0.1318
11.38
0.1318
14.55

P
0.000
0.000
0.000

Screening: filtrado por su traduccin al espaol


Feeling: Sentimiento o intuicin por su traduccin al espaol

201

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Velocidad
Presin*Octanaje
Presin*Velocidad
Octanaje*Velocidad
Presin*Octanaje*Velocidad
S = 0.645497

-9.333
0.500
0.333
-1.833
-0.500

R-Sq = 99.04%

-4.667
0.250
0.167
-0.917
-0.250

0.1318
0.1318
0.1318
0.1318
0.1318

-35.42
1.90
1.26
-6.96
-1.90

0.000
0.076
0.224
0.000
0.076

R-Sq(adj) = 98.62%

Tabla 7. 8

Anlisis de Varianza

Como se puede observar el valor de la S cuadrada es del 99.04%,


esto quiere decir que el modelo explica el comportamiento del
fenmeno en un 99.04%.
En el siguiente paso se eliminar la interaccin Presin * Velocidad
y recalcularemos la S2, esto debido a su p-value
Teniendo:

Pareto Chart of the Standardized Effects


(response is Mi / Gl, Alpha = .05)
2.11
F actor
A
B
C

N ame
P resion
O ctanaje
V elocidad

Term

B
A
BC
ABC
AB
0

10

20
Standardized Effect

30

40

Figura 7.11 Pareto de efectos mejorados


Factorial Fit: Mi / Gl versus Presin, Octanaje, Velocidad
Estimated Effects and Coefficients for Mi / Gl (coded units)
Term
Constante
Presin

Effect
3.000

Coef
24.667
1.500

SE Coef
0.1341
0.1341

T
183.99
11.19

P
0.000
0.000

202

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Octanaje
Velocidad
Presin*Octanaje
Octanaje*Velocidad
Presin*Octanaje*Velocidad
S = 0.656790

3.833
-9.333
0.500
-1.833
-0.500

R-Sq = 98.95%
Tabla 7. 9

1.917
-4.667
0.250
-0.917
-0.250

0.1341
0.1341
0.1341
0.1341
0.1341

14.30
-34.81
1.86
-6.84
-1.86

0.000
0.000
0.080
0.000
0.080

R-Sq(adj) = 98.57%
Anlisis de Varianza mejorada

Como se puede observar el valor de la S2 es de 98.95%, esto quiere


decir que el modelo explica el comportamiento del fenmeno en un
98.95%.
Como

siguiente

paso

eliminaremos

la

triple

interaccin

recalcularemos la S cuadrada, esto debido a su p-value


Teniendo:
Pareto Chart of the S tandardized Effects
(response is Mi / Gl, Alpha = .05)
2.10
F actor
A
B
C

N am e
P resion
O cta naje
V elocidad

Term

B
A
BC
AB
0

10

15
20
25
Standardized Effect

30

35

Figura 7.12 Pareto de efectos mejorados

Factorial Fit: Mi / Gl versus Presin, Octanaje, Velocidad


Estimated Effects and Coefficients for Mi / Gl (coded units)
Term
Constante
Presin

Effect
3.000

Coef
24.667
1.500

SE Coef
0.1430
0.1430

T
172.50
10.49

P
0.000
0.000

203

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Octanaje
Velocidad
Presin*Octanaje
Octanaje*Velocidad
S = 0.700529

3.833
-9.333
0.500
-1.833

1.917
-4.667
0.250
-0.917

R-Sq = 98.73%
Tabla 7. 10

0.1430
0.1430
0.1430
0.1430

13.40
-32.64
1.75
-6.41

0.000
0.000
0.097
0.000

R-Sq(adj) = 98.38%

Anlisis de Varianza mejorada

Como se puede observar el valor de la S2 es de 98.73%, esto quiere


decir que el modelo explica el comportamiento del fenmeno en un
98.73%.
El siguiente paso ser eliminar la interaccin Presin * Octanaje y
recalcularemos la S2, esto debido a su p-value
Teniendo:
Pareto Chart of the Standardized Effects
(response is Mi / Gl, Alpha = .05)
2.09
F actor
A
B
C

N ame
P resion
O ctanaje
V elocidad

Term

BC

10

15
20
25
Standardized Effect

30

35

Figura 7.13 Pareto de efectos optimizados

Factorial Fit: Mi / Gl versus Presin, Octanaje, Velocidad

Estimated Effects and Coefficients for Mi / Gl (coded units)


Term
Constante
Presin
Octanaje

Effect
3.000
3.833

Coef
24.667
1.500
1.917

SE Coef
0.1505
0.1505
0.1505

T
163.86
9.96
12.73

P
0.000
0.000
0.000

204

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Velocidad
Octanaje*Velocidad
S = 0.737468

-9.333
-1.833

R-Sq = 98.51%
Tabla 7. 11

-4.667
-0.917

0.1505
0.1505

-31.00
-6.09

0.000
0.000

R-Sq(adj) = 98.20%

Anlisis de Varianza Optimizada

Como se puede observar el valor de la S2 es de 98.51%, esto quiere


decir que el modelo explica el comportamiento del fenmeno en un
98.51%.
Este valor es muy bueno para predecir el comportamiento del
fenmeno y adems, los factores e interaccin que permanecen en el
modelo, tienen alta significancia en el modelo de prediccin, por lo
cual hasta aqu detendremos la eliminacin de factores, toda vez que
el p-value de los factores remanentes es menor de 0.05.
7.8 Planes futuros

Fase de Mejora Optimizacin

Validacin del modelo utilizado.

Tabla 7. 12

OPTIMIZACIN

El modelo matemtico que explica el comportamiento de este


fenmeno es el siguiente:

Y = - 401.25 + 0.6 PRESION + 5.167 OCTANAJE + 5.630


VELOCIDAD 0.0733 OCTANAJE * VELOCIDAD 58
58

Modelo que proviene del anlisis estadstico del Diseo de experimentos

205

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

El cual tiene un alto porcentaje de explicacin del fenmeno, siendo


este del 98.51%, el cual se considera suficientemente grande, para
garantizar que los resultados del modelo son altamente confiables.

Prueba de Normalidad de los Residuales


Para poder validar el experimento se proceder a revisar los supuestos
bsicos del experimento.
Residual Plots for Mi / Gl
No rmal Pro babilit y Plo t o f t he Residuals

Residuals Versus t he Fit t ed Values


Deleted Residual

99

Percent

90
50
10
1

-2

-1
0
1
D eleted Residual

2
1
0
-1
-2

15

Hist o gram o f t he Residuals

30

35

2
Deleted Residual

Frequency

25
Fitted Value

Residuals Versus t he Order o f t he Dat a

8
6
4
2
0

20

-2

-1

0
1
D eleted Residual

1
0
-1
-2
2

8 10 12 14 16 18
O bser vation O r der

20

22 24

Figura 7.14 Residuales

Las figuras nos muestran que se tiene normalidad e independencia


estadstica.
Resultados finales
Consumo inicial de

Objetivo de

Objetivo

Resultado

combustible al arranque

reduccin inicial

Preliminar

final

0.26 gallon/start

0.195
gallon/start

25%

0.13
gallon/start

Mejora

50%

206

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Como se puede observar en la tabla 7.13 el desempeo final fue


mejor que el objetivo preliminar.
Sin embargo es menester aclarar lo siguiente:

"Los valores de rendimiento se obtuvieron en


condiciones controladas de laboratorio, que bien
pueden no ser reproducibles ni obtenerse en
condiciones y hbitos de manejo convencional, debido
a condiciones climatolgicas, combustible,
condiciones topogrficas hbitos de manejo y otros
factores" 59
7.6 Fase de Control.- Mantenimiento de la Mejora
Para poder mantener la mejora se procedi a emitir una serie de
recomendaciones en el Manual del Propietario donde se indica la el
manejo adecuado as como la revisin de la presin de aire en las
ruedas.

59

Lo anterior es una nota que aparece en la pgina electrnica de la CONAE, dependencia pblica del
Gobierno de la Repblica Mexicana.

207

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Conclusiones y recomendaciones
Por medio del Anlisis del Diseo

Experimental Factorial con Tres

Factores a dos niveles en Completamente al Azar, hemos podido


revisar de forma objetiva el impacto que tienen en la Variable
Respuesta, que para nuestro caso se ha denominado Cantidad de
Millas por Galn de combustible recorridas, los factores:
Presin de Inflado de la Llantas
Octanaje del Combustible
Velocidad de Desplazamiento
Se pudo determinar qu combinacin de factores, es decir a que nivel
de aplicacin de los mismos, hemos podido lograr el mejor desempeo
del vehculo, lo cual nos servir para poder recomendar a nuestros
clientes el modo idneo de manejar su vehculo logrando con esto su
mxima satisfaccin en cuanto a Ahorro de Combustible se refiere.
Recomendaciones para la solucin de la situacin planteada.
El buscar la eficiencia en el consumo de combustible en las
unidades

automotrices,

por

ende

la

determinacin

de

la

autonoma vehicular, para cada tipo de modelo construido, es uno de


los Tpicos en la Industria automotriz que tienen una aplicabilidad
verdaderamente grande. En otras palabras sirven de base de
sustentacin para lograr desarrollos ms eficientes y a un bajo costo,
as como, la preservacin del medio ambiente.
Por ltimo debemos de resumir que es de suma importancia

ubicar al cliente en primer lugar, para posteriormente revisar


identificar cuales son sus deseos o bien su insatisfaccin, una vez
reconocida esta voz, lo que sigue es obtener la informacin, para

208

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

posteriormente analizarla de forma estadstica, para que al final, se


emitan conclusiones y recomendaciones para lograr la mejora

continua,

que

en

nuestro

caso

es

la

completa

satisfaccin del cliente final.

209

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

Bibliografa

Brassard, Michael, Six Sigma Memory Jogger II, USA. Editorial


Goal/QPC. 2002

C. Weimer Richard. Estadstica. Mxico. Editorial CECSA. 2000

Casares, David y Siliceo, Alfonso, Planeacin de Vida y Carrera.


Mxico. Editorial Limusa. 2005

Ishikawa, Kaoru. Qu es el Control Total de Calidad?, Mxico,


Norma, 1985

Kaplan & Schuster, AP Statistics. U S A. Editorial Kaplan. 2004

Lamprecht, James A., El Six Sigma Desmitificado, Mxico,


Panorama, 2004

Mazarr, Michael. Qu ser de MXICO en el 2005? Mxico.


Publicaciones Cruz O., S.A. 2000

Montgomery, Diseo y Anlisis de Experimentos, Mxico,


Limusa, 2005

Novelo Rosado, Sergio A., El Mito de la ISO 9001:2000 Es esta


Norma un Sistema de Calidad Total?, Mxico, Panorama, 2002

Novelo Rosado, Sergio A., "101 Preguntas y Respuestas a cerca


de la Calidad y la Mejora Continua", Mxico, Panorama, 2000

Peralta Alemn, Gilberto, De la Filosofa de la Calidad al Sistema


de mejora Continua, Mxico, Panorama, 2004

Portus Govinden, Lincoyn. Curso Prctico de Estadstica.


Mxico. Editorial Mc Graw Hill. 1988

Salinas, Emilio, Diseo de Experimentos, Apuntes para Seis


Sigma, Tlamatini-UIA, 2006.

Slater, Robert., Mejorar o ser Vencido, Mxico, Diana, 2001

210

Uso de la Metodologa Seis Sigma para mejorar el consumo de combustible en un vehiculo

CONCEPTOS RENDIMIENTO, ADITIVOS,


http://cipres.cec.uchile.cl/~icollao/objetivos.html

GASOLINA,
http://tq.educ.ar/tq03028/html/naftas.htm

MOTOR, GASOLINA Y PLOMO


http://www.gratiszona.com/motor/tipos_gasolina.htm

OCTANAJE Y SU RELACIN CON RENDIMIENTO


http://www.automotriz.net/cgibin/antiframe.pl?ref=http://www.automotriz.net/te
cnica/octanaje-gasolina.html

OPTIMIZACIN DE LAS CONDICIONES DE RENDIMIENTO EN EL


MOTOR
http://motor.terra.es/motor/articulo/html/mot25961.htm

SEMIP, Comisin Petroqumica Mexicana,


Desarrollo histrico y anlisis de la situacin actual de la industria petroqumica
en Mxico, 1984.

211

Das könnte Ihnen auch gefallen