Sie sind auf Seite 1von 468

1

Programa de certificacin
de Black Belts CFE
VII. Fase de Mejora


P. Reyes / Abril 2009
2
Seis Sigma - Mejora
Propsitos y salidas

A. Diseo de experimentos

B. Tcnicas de creatividad

C. Implantacin y verificacin de soluciones

3
Fase de mejora
Propsito:
Desarrollar, probar e implementar soluciones que atiendan a
las causas raz

Salidas
Acciones planeadas y probadas que eliminen o reduzcan el
impacto de las causas raz identificadas

Comparaciones de la situacin antes y despus para
identificar la dimensin de la mejora, comparar los
resultados planeados (meta) contra lo alcanzado


4
Tormenta de
ideas
Tcnicas de
creatividad
Metodologa
TRIZ
Generacin de soluciones
Diseo de
experimentos
Optimizacin
No
Implementacin de
soluciones y verificacin
de su efectivdad
Evaluacin de soluciones
(Fact., ventajas, desventajas)
Soluciones
verificadas
Solucin
factible?
Si
Causas
raz
FASE DE MEJORA
Efecto de X's
en las Y =
CTQs
Ideas
5
VII.A Diseo de Experimentos
(DOE)
6
VII.A Diseo de experimentos
1. Introduccin y terminologa

2. Principios de diseo

3. Planeacin de experimentos

4. Experimentos de un factor

5. Experimentos fraccionales de dos niveles

6. Experimentos factoriales completos
7
VII.A.1 Introduccin y
terminologa
8
Ronald Fisher los desarrolla en su estacin agrcola
experimental de Rothamsted en Londres (ANOVA)
1930

Otros que han contribuido son: F. Yates, G.E.P. Box,
R.C. Bose, O. Kempthorne, W.G. Cochran, G. Taguchi

Se ha aplicado el DOE en la agricultura y ciencias
biolgicas, industria textil y lana, en los 1930s

Despus de la II Guerra mundial se introdujeron en
la industria Qumica e industria electrnica
Perspectiva histrica
9
El cambiar un factor a un tiempo presenta las
desventajas siguientes:
Se requieren demasiados experimentos para el estudio
No se puede encontrar la combinacin ptima de
variables

No se puede determinar la interaccin
Se puede llegar a conclusiones errneas

Se puede perder tiempo en analizar las variables
equivocadas
Introduccin
10
Por qu no probar
un factor a la vez?
P
R
E
S
I
O
N

TEMPERATURA
P
R
E
S
I
O
N

1
2
Zona Mxima
Respuesta Mxima
P
R
E
S
I
O
N

4
TEMPERATURA
3
P
R
E
S
I
O
N

TEMPERATURA
Conclusin de la Prueba
TEMPERATURA
Conclusin de la Prueba
Optimo
11
El DOE varia varios factores simultneamente de
forma que se puede identificar su efecto combinado
en forma econmica:

Se identifican los Factores que son significativos
No es necesario un alto conocimiento estadstico

Las conclusiones obtenidas son confiables

Se pueden encontrar los mejores niveles de
factores controlables que inmunicen al proceso
contra variaciones en factores no controlables
Introduccin
12
Cambios deliberados y sistemticos de las variables de entrada
(factores) para observar los cambios correspondientes en la
salida (respuesta).
Proceso
Entradas Salidas (Y)
Diseo de
Producto
Entradas Salidas (Y)
Qu es un diseo de
experimentos?
13
Diseo de experimentos
Proceso proactivo y estructurado para investigar las
relaciones entre los factores de entrada (xs) y salida
(y) de un proceso.

Los mltiples factores de entrada se consideran y
controlan al mismo tiempo para asegurar que el
efecto en la(s) respuesta(s) es causal y
estadsticamente significativo.


14
Diseo de experimentos
PROCESO
Factores conocidos no controlados
Factores desconocidos
w
1
w
2
w
3
w
4
w
s
. . .
z
1
z
2
z
3
z
4
z
n
. . .
x
1
x
2
x
a
.
.
.
y
1
y
2
y
m
.
.
.
Factores con niveles
(xs)
Variables de respuesta (ys)
(CTQs)
E
N
T
R
A
D
A
S
S
A
L
I
D
A
S
15
Planeacin emprica
versus planificada
N
I
V
E
L

D
E

E
S
F
U
E
R
Z
O
Trabajar a
prueba
y error

Analizar Planear
E
S
F
U
E
R
Z
O
Analizar
Planear
Experimentar
E
S
F
U
E
R
Z
O
Analizar
Planear
Experimentar
Tiempo
Tiempo
Fase 2
Fase 1
16
Las Xs con mayor influencia en las Ys

Cuantifica los efectos de las principales Xs
incluyendo sus interacciones

Produce una ecuacin que cuantifica la relacin entre
las Xs y las Ys

Se puede predecir la respuesta en funcin de cambios
en las variables de entrada
El Diseo de experimentos tiene
como objetivos determinar:
17
Obtencin de rplicas: repeticin del experimento (5
resultados en cada corrida experimental)

Aleatorizacin: hacer en forma aleatoria:
Permite confundir el efecto de los factores no controlables
La asignacin de los materiales utilizados en la
experimentacin
El orden en que se realizan los experimentos

Bloqueo
- Orden de corridas aleatorio en cada bloque
(Ej. , bloque de tiempo: AM vs PM, o Da 1 vs Da 2).

Trminos
18
Bloques:
Unidades experimentales homogneas

Bloqueo
Cuando se estructuran experimentos factoriales
fraccionales, el bloqueo se usa para agrupar las
variables que desea evitar. Un bloque puede ser un
factor artificial que no interacta con los factores
reales


Trminos
19
Error experimental
Variacin en respuesta bajo las mismas condiciones de
prueba. Tambin se denomina error residual.
Fraccional
Un arreglo con menos experimentos que el arreglo
completo (1/2, , etc.)
Factorial completo
Arreglo experimental que considera todas las
combinaciones de factores y niveles
Interaccin
Ocurre cuando el efecto de un factor de entrada en la
respuesta depende del nivel de otro factor diferente
Trminos
20
Nivel o Tratamiento
Un valor especfico para un factor controlable de
entrada (100C, 120C, 140C)

Efecto principal
Un estimado del efecto de un factor
independientemente del efecto de los dems

Optimizacin
Hallar las combinaciones de los factores que
maximizen o minimizen la respuesta
Trminos
21
Colinealidad
Ocurre cuando 2 variables estn completamente
correlacionadas
Confundidos
Cuando el efecto de un factor no se puede separar del
efecto de alguna de sus interacciones (A y BC, B y AC)
Trminos
22
Correlacin
Un nmero entre -1 y +1 que indica el grado de
relacin lineal entre dos conjuntos de nmeros. El cero
indica que no hay relacin

Covarianza
Cosas que cambian durante los experimentos pero no
fueron planeadas a cambiar, como temperatura o
humedad. Con la aleatorizacin se alivia este
problema. Registrar los valores del covariado para su
posible uso en anlisis de regresin

Trminos
23
Curvatura
Comportamiento no lineal que requiere un modelo de
al menos segundo grado

Grados de libertad (DOF, DF, df o )
Nmero de mediciones independientes para estimar un
parmetro poblacional (vg. la media con n-1)

EVOP (Evolutive operations)
Describe una forma secuencial de experimentacin
haciendo pequeos cambios en el proceso para
mejorarlo
Trminos
24
Error experimental
Variacin en respuesta bajo las mismas condiciones de
prueba. Tambin se denomina error residual.

Primer orden
Se refiere a la potencia a la cul un factor aparece en
el modelo. Si la X representa un factor y B su
efecto, entonces el siguiente modelo es de primer
orden para X1 y X2:

Y = Bo + B1*X1 + B2*X2 + error
Trminos
25
Factorial completo
Arreglo experimental que considera todas las
combinaciones de factores y niveles

Fraccional
Un arreglo con menos experimentos que el arreglo
completo (1/2, , etc.)


Trminos
26
Factoriales completos
vs fraccionales
Un diseo factorial completo es el que contiene todos los
niveles de todos los factores, no se omite ninguno
Un diseo factorial fraccional es un diseo experimental
balanceado donde que contiene menos combinaciones de
todos los niveles y factores. Por ejemplo para 3 factores y
2 niveles se tiene:

27
Experimento con mezclas
Experimentos en los cuales las variables se expresan
como proporciones del todo sumando 1.0

Experimentos aleatorios
Reduce la influencia de variables extraas en la
experimentacin

Error residual (e o E)
Es la diferencia entre los valores observados y los
estimados por un modelo determinado empricamente.
Puede ser la variacin en resultados de condiciones de
prueba virtualmente idnticas
Trminos
28
Resolucin I
Experimentos donde se varia slo un factor a la vez
Resolucin II
Experimentos donde algunos efectos principales se
confunden, es indeseable
Resolucin III- Exp. fraccionales
Experimentos fraccionales donde no se confunden los
efectos principales entre s, slo con sus interacciones
de dos factores
Resolucin IV- Exp. fraccionales
No se confunden los efectos principales ni con sus
interacciones pero si lo hacen las interacciones entre si
Trminos
29
Resolucin V Exp. Fraccionales
Slo puede haber confusin entre interacciones de dos
factores con interacciones de tres factores o de mayor
orden

Resolucin VI - Exp. Factorial completo V+
Experimentos sin confusin, factoriales completos o
dos bloques de 16 experimentos

Resolucin VII Exp. Factoriales completos
Experimentos en 8 bloques de experimentos
Trminos
30
Los factores son los elementos que cambian durante un
experimento para observar su impacto sobre la salida. Se
designan como A, B, C, etc.

- Los factores pueden ser cuantitativos o cualitativos
- Los niveles se designan como alto / bajo (-1, +1) o (1,2)

Factor Niveles
B. Temp. de Moldeo 600 700
E. Tipo de Material Nylon Acetal
Factor cuantitativo,
dos niveles
Factor cualitativo,
dos niveles
Factores y niveles
31
VII.A.2 Principios de diseo
32
Tipo de Diseo de Experimentos
Experimentacin
posible
No es posible
experimentar
Diseos
Activos
Diseos
Pasivos
No se tiene
Informacin
Histrica
Se tiene
Informacin
Histrica
Caracterizacin Data Minning
Factores
Independientes
Factores
Interdependientes
Diseos
Factoriales
Con
Restricciones
Sin
Restricciones
Dependencia
Parcial
(B depende
de A, pero
A no depende
de B)
Diseos
D-Optimal
Diseos
Ortogonales
Diseos
Anidados
Diseos de
Mezclas
a b
Interdependencia
de algunos
Todos los
factores
33
Diseos
Ortogonales
a
De filtraje
De Caracterizacin
Diseos
Factorial
Completo
(2
k
)
De Optimizacin
<5
Factores
4-15
Factores
> 15
Factores
D
i
s
e

o
s

P
l
a
c
k
e
t
t
-
B
u
r
m
a
n

D
i
s
e

o
s

T
a
g
u
c
h
i

Diseos
Factorial
Fraccionado
(2
k-p
)
E
j
e
c
u
c
i

n

I
n
i
n
t
e
r
r
u
m
p
i
d
a

E
j
e
c
u
c
i

n


e
n

p
a
r
t
e
s

2
k

n
o

B
l
o
q
u
e
a
d
o

2
k


B
l
o
q
u
e
a
d
o

E
j
e
c
u
c
i

n

I
n
i
n
t
e
r
r
u
m
p
i
d
a

E
j
e
c
u
c
i

n


e
n

p
a
r
t
e
s

2
k
-
p

n
o

B
l
o
q
u
e
a
d
o

2
k
-
p


B
l
o
q
u
e
a
d
o

d
Diseos de
Superficie de
Respuesta
Diseos
con
Punto
Central
Diseos a 2 niveles Factores
con ms de
2 niveles
<4
Factores
> 4
Factores
D
i
s
e

o
s

F
a
c
t
o
r
i
a
l

c
o
m
p
l
e
t
o

g
34
Diseos de
caracterizacin
g
Diseos Factorial
Completo
Con punto central
<5
Factores
4-15
Factores
> 15
Factores
D
i
s
e

o
s

P
l
a
c
k
e
t
t
-
B
u
r
m
a
n

C
o
n

p
u
n
t
o

c
e
n
t
r
a
l

T
o
d
o
s

l
o
s

f
a
c
t
o
r
e
s

C
o
n

2

n
i
v
e
l
e
s
Diseos Factorial
Fraccionado
Con punto central
E
j
e
c
u
c
i

n

I
n
i
n
t
e
r
r
u
m
p
i
d
a

E
j
e
c
u
c
i

n


e
n

p
a
r
t
e
s

2
k

c
o
n

p
u
n
t
o

C
e
n
t
r
a
l

n
o

B
l
o
q
u
e
a
d
o

2
k

c
o
n

p
u
n
t
o

C
e
n
t
r
a
l


B
l
o
q
u
e
a
d
o

2
k
-
p

c
o
n

p
u
n
t
o

C
e
n
t
r
a
l

n
o

B
l
o
q
u
e
a
d
o

2
k
-
p

c
o
n

p
u
n
t
o

C
e
n
t
r
a
l


B
l
o
q
u
e
a
d
o

E
j
e
c
u
c
i

n

I
n
i
n
t
e
r
r
u
m
p
i
d
a

E
j
e
c
u
c
i

n


e
n

p
a
r
t
e
s

35
Diseos de
Superficie de Respuesta
d
Todos los factores
son continuos
Hay factores
discretos
Diseo Central
Compuesto
Diseo axial
(CCD)
E
j
e
c
u
c
i

n

I
n
-
i
n
t
e
r
r
u
m
p
i
d
a

E
j
e
c
u
c
i

n


e
n

p
a
r
t
e
s

C
C
D

n
o

B
l
o
q
u
e
a
d
o

C
C
D


B
l
o
q
u
e
a
d
o

2
Factores
> 2
Factores
Diseo Central Factorial
Diseo Centrado en las caras
(CCF)
D
i
s
e

o


B
o
x
-
B
e
h
n
k
e
n

E
j
e
c
u
c
i

n

I
n
-
i
n
t
e
r
r
u
m
p
i
d
a

E
j
e
c
u
c
i

n


e
n

p
a
r
t
e
s

C
C
F

n
o

B
l
o
q
u
e
a
d
o

C
C
F


B
l
o
q
u
e
a
d
o

36
Diseos de
Mezclas
Con
Restricciones
Sin Restricciones
Diseos
Vrtices
Extremos
Diseos Simplex
b
De filtraje De Caracterizacin De Optimizacin
Diseos
Simplex-Lattice
Diseos Simplex-Lattice
Aumentado
Diseos Simplex
Centroide
D
i
s
e

o


S
i
m
p
l
e
x
-
L
a
t
t
i
c
e

S
i
n

f
a
c
t
o
r
e
s


d
e

P
r
o
c
e
s
o

T
o
d
o
s

l
o
s


f
a
c
t
o
r
e
s

s
o
n

d
e
p
e
n
d
i
e
n
t
e
s

A
l
g
u
n
o
s


f
a
c
t
o
r
e
s

s
o
n

I
n
d
e
p
e
n
d
i
e
n
t
e
s

S
i
m
p
l
e
x
-
L
a
t
t
i
c
e

+

F
a
c
t
o
r
i
a
l

2
k

S
i
m
p
l
e
x
-
L
a
t
t
i
c
e

+

F
a
c
t
o
r
i
a
l

2
k
-
p

<5
F.I.*
>3
F.I.*
D
i
s
e

o

V

r
t
i
c
e
s

E
x
t
r
e
m
o
s

S
i
n

f
a
c
t
o
r
e
s


d
e

P
r
o
c
e
s
o

T
o
d
o
s

l
o
s


f
a
c
t
o
r
e
s

s
o
n

d
e
p
e
n
d
i
e
n
t
e
s

A
l
g
u
n
o
s


f
a
c
t
o
r
e
s

s
o
n

I
n
d
e
p
e
n
d
i
e
n
t
e
s

V

r
t
i
c
e
s

E
x
t
r
e
m
o
s

+

F
a
c
t
o
r
i
a
l

2
k

V

r
t
i
c
e
s

E
x
t
r
e
m
o
s

+

F
a
c
t
o
r
i
a
l

2
k
-
p

<5
F.I.*
>3
F.I.*
S
i
m
p
l
e
x
-
L
a
t
t
i
c
e

A
u
m
e
n
t
a
d
o

S
i
n

f
a
c
t
o
r
e
s


d
e

P
r
o
c
e
s
o

T
o
d
o
s

l
o
s


f
a
c
t
o
r
e
s

s
o
n

d
e
p
e
n
d
i
e
n
t
e
s

A
l
g
u
n
o
s


f
a
c
t
o
r
e
s

s
o
n

I
n
d
e
p
e
n
d
i
e
n
t
e
s

S
.
L
.
*
*

A
u
m
e
n
t
a
d
o


+

F
a
c
t
o
r
i
a
l

2
k

S
.
L
.
*
*

A
u
m
e
n
t
a
d
o

+

F
a
c
t
o
r
i
a
l

2
k
-
p

<5
F.I.*
>3
F.I.*
D
i
s
e

o

S
i
m
p
l
e
x
-
C
e
n
t
r
o
i
d
e

S
i
n

f
a
c
t
o
r
e
s


d
e

P
r
o
c
e
s
o

T
o
d
o
s

l
o
s


f
a
c
t
o
r
e
s

s
o
n

d
e
p
e
n
d
i
e
n
t
e
s

A
l
g
u
n
o
s


f
a
c
t
o
r
e
s

s
o
n

I
n
d
e
p
e
n
d
i
e
n
t
e
s

S
i
m
p
l
e
x
-
C
e
n
t
r
o
i
d
e

+

F
a
c
t
o
r
i
a
l

2
k

S
i
m
p
l
e
x
-
C
e
n
t
r
o
i
d
e

+

F
a
c
t
o
r
i
a
l

2
k
-
p

<5
F.I.*
>3
F.I.*
37
Seleccin entre diversas alternativas

Seleccin de los factores clave que afectan la
respuesta

Modelado de la superficie de respuesta para:
Llegar al objetivo
Reducir la variabilidad
Maximizar o minimizar la respuesta
Hacer un proceso robusto
Buscar objetivos mltiples
Aplicacin del DOE
38
Establecer objetivos
Seleccionar variables del proceso

Seleccionar un diseo experimental
Ejecutar el diseo

Verificar que los datos sean consistentes con los
supuestos experimentales

Analizar e interpretar los resultados
Usar / presentar los resultados
Pasos del DOE
39
La seleccin de un diseo experimental depende de los
objetivos del experimento y del nmero de factores a
ser investigados:
Objetivo comparativo
Objetivo de filtraje de factores
Objetivo del mtodo de superficie de respuesta
Optimizar las respuestas cuando los factores son
proporciones en un objetivo de mezclas
Ajuste ptimo en un objetivo de modelo de regresin
Objetivos experimentales
40
Las variables de proceso incluyen ambas entradas y
salidas, es decir factores y respuestas. La seleccin
de estas variables debe:
Incluir todos los factores relevantes
Ser brillantes en seleccionar los niveles de factores
bajos y altos
Evitar ajustes de factores para combinaciones
imprcticas o imposibles
Incluir todas las respuestas relevantes
Evitar usar respuestas que combinen dos o ms
mediciones de proceso
Evitar valores extremos en los factores de entrada
Seleccin y escala
de variables del proceso
41
Guas de diseo
Nmero de
factores
Objetivo
comparativo
Objetivo de
filtraje de
factores
Objetivo de
superficie de
respuesta
1 1- factor
completamente
aleatorizado
- -
2-4 Diseo
aleatorizado
por bloques
Factorial
completo o
fraccional
Diseo central
compuesto o
Box-Behnken
5 o ms Diseo
aleatorizado
por bloques
Factorial
fraccional o
Placket Burman
Fltrar primero
para reducir el
nmero de
factores
42
Supuestos experimentales
Son capaces los sistemas de medicin para todas las
respuestas?
Es estable el proceso?
Los residuos se comportan adecuadamente?
Modelo X1 La varianza se Requiere un trmino
Adecuado incrementa con X2 cuadrtico agregado a X2

43
Interacciones
Interaccin
Ocurre cuando el efecto de un factor de entrada en la
respuesta depende del nivel de otro factor de entrada
diferente

44
Interacciones
Una interaccin ocurre cuando el efecto de un factor de
entrada en la salida depende del nivel de otro factor de
entrada. A veces se pierden con los diseos factoriales
fraccionales

Sin interaccin Interaccin Interaccin Interaccin
moderada fuerte fuerte
45
Lista de verificacin
tpica del DOE
Definir los objetivos del experimento

Aprender acerca del proceso antes de la tormenta de
ideas

Tormenta de ideas para definir la lista de las
variables clave dependientes e independientes

Correr experimentos preliminares para afinar el
equipo y obtener resultados preliminares
46
Lista de verificacin
tpica del DOE
Asignar niveles a cada variable independiente en
funcin del conocimiento sobre el proceso

Seleccionar un plan estndar de DOE o desarrollar
uno

Correr los experimentos en orden aleatorio y analizar
los resultados peridicamente

Establecer conclusiones

47
El mtodo iterativo del DOE
Mientras que un experimento puede dar un resultado
til, es ms comn realizar dos o tres o ms
experimentos antes de dar una respuesta completa.
Esto es mejor y ms econmico.


48
Pasos para Disear y Realizar un
Diseo de Experimentos
1. Observar datos histricos y/o recolectar datos para
establecer la capacidad actual del proceso debe estar
en control estadstico.

2. Determinar el objetivo del experimento (CTQs a
mejorar).

Por medio de un equipo de trabajo multidisciplinario
3. Determinar qu se va a medir como resultado del
experimento.

4. Identificar los factores de control y de ruido que
pueden afectar el resultado.

49
Pasos para Disear y Realizar un
Diseo de Experimentos
5. Determinar el nmero de niveles de cada factor y sus
valores reales.

6. Seleccionar un esquema experimental que acomode
los factores y niveles seleccionados y decidir el
nmero de replicas.

7. Verificar todos los sistemas de medicin (R&R < 10%)


8. Planear y preparar los recursos (gente, materiales,
etc.) para llevar a cabo el experimento. Hacer un plan
de prueba.

50
Pasos para Disear y Realizar un
Diseo de Experimentos
9. Realizar el experimento, identificar muestras con la
condicin experimental que la produce

Medir las unidades experimentales.


11. Analizar los datos e identificar los factores
significativos.

12. Determinar la combinacin de niveles de factores que
mejor alcance el objetivo.



51
Pasos para Disear y Realizar un
Diseo de Experimentos

13. Correr un experimento de confirmacin con esta
combinacin "ptima".


14. Asegurar que los mejores niveles para los factores
significativos se mantengan por largo tiempo mediante
la implementacin de Procesos de Operacin Estndar
y controles visuales.


15. Re evaluar la capacidad del proceso.
52
Objetivos de los experimentos

Caracterizar el proceso (identificar los factores que
influyen en la ocurrencia de errores)

Optimizar, identificar el nivel ptimo de los factores
crticos para reducir el nmero de errores

Identificar los factores controlables que pueden afectar
a la respuesta Y = Tiempo de solucin de problema

Identificar los factores de ruido que no podemos o
queremos controlar


Ejemplo: Proceso de atencin a clientes
en un Call Center
53
Variables de control Xs
Nmero de lneas telefnicas

Nivel del Personal

Tiempo de acceso a bases de datos

Horas laboradas al da

Horas de atencin
Ejemplo: Proceso de atencin a clientes
en un Call Center
54
Variables que no se pueden o desean controlar Zs
Variables de ruido
Edad del ejecutivo de cuenta
Distribucin del Call Center
Da del ao
Medio ambiente
Horarios de comida
Ejemplo: Proceso de atencin a clientes
en un Call Center
55
Los Factores Pueden Afectar...
2. El Resultado Promedio
3. La Variacin y el Promedio
1. La Variacin del Resultado
4. Ni la Variacin ni el Promedio
Banda ancha
Banda
angosta
Tiempo del servicio
Sin
entren.
Con
Entren.
Pocos ejecutivos
Suficientes
ejectuvos
Ambos sexos
Toman el mismo
tiempo
Tiempo del servicio
Tiempo del servicio Tiempo del servicio
56
Tipos de Salidas
Las salidas se clasifican de acuerdo con nuestros objetivos.
3. El Valor Mximo es el Mejor
Tiempo de Ciclo
Tiempo de
conexin
Confiabilidad
Satisfaccin
Objetivo Ejemplos de Salidas
1. El Valor Meta es el Mejor
Meta
Lograr un
valor meta con
variacin mnima
Tiempo de atencin
Tiempo de conexin
2. El Valor Mnimo es el Mejor
0
Tendencia de salida
hacia arriba
Tendencia de
salida hacia cero

57
Estrategia cuando
el Valor Meta es Mejor
Paso 1: Encuentra los factores que
afectan la variacin. Usa estos
factores para reducir al mnimo
la variacin.
Paso 2: Encuentra los factores que
desplazan el promedio (y no
afectan la variacin). Usa estos
factores para ajustar la salida
promedio con la meta deseada.
Meta
58
Estrategia cuando el
Valor Mnimo es Mejor
0
Tendencia de
salida baja
El objetivo en este caso es encontrar los factores que
afectan la salida promedio (tiempo). Usa estos factores para
hacer que la tendencia del promedio sea baja.
Cuando se reduce la variacin en la salida al mnimo,
tambin se mejora la salida al detectar los factores que
contribuyen en gran medida a la variacin.
59
Pruebas o Corridas Experimentales
Las combinaciones de pruebas especficas de factores y
niveles que se corren durante el experimento.
Experiencia x Material
usado:
El mejor nivel de Material
depende de la experiencia.
Interacciones
El grado en que los factores dependen unos de otros.
Algunos experimentos evalan el efecto de las
interacciones; otros no.
Factor (Xs) Niveles
A. Tiempo llamada 30 60 min.
B. Localizacin 1 2
C. Experiencia 1 3
D. Material usado A B
Niveles
Los valores en los que se establecen los factores.
A. Tiempo de llamada
B. LOcalizacin
C. Experiencia
D. Tipo de Material usado
Factores
Las variables de entrada de proceso que se
establecen a diferentes niveles para observar
su efecto en la salida.
Y =Tiempo de
conexin
Respuesta de Salida
La salida que se mide como resultado del experimento
y se usa para juzgar los efectos de los factores.
+1 -1 +1 -1 3
+1 +
1
-1 -1 2
-1 -1 -1
-1
1
Datos D C B A
Corridas
-1=Nivel Bajo +1=Nivel Alto
.
.

60
61
ANOVA - CONTENIDO
ANOVA de un factor, una va o una direccin

ANOVA de un factor y una variable de bloqueo, dos
vas o dos direcciones

ANOVA de un factor y dos variables de bloqueo
CUADRADO LATINO

ANOVA De un factor y tres variables de bloqueo
CUADRADO GRECOLATINO
62
ANOVA PARA UN FACTOR
O DIRECCIN
63
ANOVA Prueba de hiptesis para
probar la igualdad de medias de
varias poblaciones para un factor
diferentes son s unas A Ha
Ho
a
. . ' . lg :
......... :
3 2 1

= = = =
Se trata de probar si el efecto de un factor o
Tratamiento en la respuesta de un proceso o sistema es
Significativo, al realizar experimentos variando
Los niveles de ese factor (Temp. 1, Temp. 2, Temp.3, etc.)
64
ANOVA - Condiciones
Todas las poblaciones son normales

Todas las poblaciones tiene la misma varianza

Los errores son independientes con distribucin
normal de media cero

La varianza se mantiene constante para todos los
niveles del factor

65
ANOVA Ejemplo de datos
Niveles del Factor Peso % de algodn y Resistencia de tela
Peso porc. Respuesta
de algodn Resistencia de la tela
15 7 7 15 11 9
20 12 17 12 18 18
25 14 18 18 19 19
30 19 25 22 19 23
35 7 10 11 15 11
66
ANOVA Suma de
cuadrados total
Xij
Xij
Gran media
2
1 1
) (

= =
=
b
j
a
i
X Xij SCT
67
ANOVA Suma de cuadrados de
renglones (a)-tratamientos
Gran media
Media Trat. 1
Media Trat. a
Media trat. 2
a renglones

=
=
a
i
i
X X b SCTr
1
2
) (
68
ANOVA Suma de cuadrados
del error
Media X1.
X1j
X3j
X2j
Media X2.
Media X3.
Muestra 1 Muestra 2 Muestra 3
2
1 1
) (
i
b
j
ij
a
i
X X SCE =

= =
69
ANOVA Suma de cuadrados
del error
Media X1.
X1j
X3j
X2j
Media X2.
Media X3.
Muestra 1 Muestra 2 Muestra 3
SCTr SCT SCE =
70
ANOVA Grados de libertad:
Totales, Tratamientos, Error
a n a n SCE gl
a SCTr gl
n SCT gl
= =
=
=
) 1 ( ) 1 ( .
1 .
1 .
71
ANOVA Cuadrados medios:
Total, Tratamiento y Error
) /(
) 1 /(
) 1 /(
a n SCE MCE
a SCTr MCTr
n SCT MCT
=
=
=
72
ANOVA Clculo del estadstico
Fc y Fexcel
SCE gl SCTr gl ALFA
FINV Fexcel
MCE
MCTr
Fc
. , . ,
=
=
73
Tabla final de ANOVA
TABLA DE ANOVA
FUENTE DE VARIACIN SUMA DE GRADOS DE CUADRADO VALOR F
CUADRADOS LIBERTAD MEDIO
Entre muestras (tratam.) SCTR a-1 CMTR CMTR/CME
Dentro de muestras (error) SCE n-a CME
Variacin total SCT n-1 CMT
Regla: Rechazar Ho si la Fc de la muestra es mayor que la F de Excel para una cierta alfa
o si el valor p correspondiente a la Fc es menor al valor de alfa especificado
74
ANOVA Toma de decisin
Fexcel
Fc
Alfa
Zona de rechazo
De Ho o aceptar Ha
Zona de no rechazo de Ho
O de no aceptar Ha
Distribucin F
75
ANOVA Toma de decisin
Si Fc es mayor que Fexcel se rechaza Ho
Aceptando Ha donde las medias son diferentes

O si el valor de p correspondiente a Fc es
menor de Alfa se rechaza Ho
76
ANOVA Identificar las medias
diferentes por Prueba de Tukey T
Para diseos balanceado
(mismo nmero de columnas
en los tratamientos) el valor
de q se determina por medio
de la tabla en el libro de texto
b
CME
q T
a n a
=
, , o
77
ANOVA Identificar las medias
diferentes por Prueba de Tukey T
Se calcula la diferencia Di entre cada par de Medias Xis:

D1 = X1 X2 D2 = X1 X3 D3 = X2 X3 etc.

Cada una de las diferencias Di se comparan con el
valor de T, si lo exceden entonces la diferencia es
Significativa de otra forma se considera que las medias
Son iguales
78
ANOVA Identificar las medias
diferentes por Prueba de Diferencia
Mnima Significativa DMS
Para diseos balanceados (los tratamientos
tienen igual no. De columnas), se calcula un
factor DMS contra el que se comparan las
diferencias Xi Xi. Significativas si lo exceden
b
F CME
DMS
a n
=
, 1 ,
) ( 2
o
79
Prueba DMS para Diseos no
balanceados
a n a
k j
k j
F CME
b b
DMS

(
(

+ =
, 1 , ,
) (
1 1
o
Para diseos no balanceados (los
tratamientos tienen diferente no. De
columnas), se calcula un factor DMS
Para cada una de las diferencias Xi Xi
80
ANOVA Para un factor
principal y una variable de
bloqueo
Planes aleatorizados bloqueados
81
Diseos aleatorizados bloqueados
Cuando cada grupo homogneo del experimento
contiene exactamente una medicin en cada
tratamiento, el plan experimental se denomina plan
aleatorizado bloqueado. Un ejemplo incompleto es:
82
ANOVA Prueba de hiptesis para
probar la igualdad de medias de
varias poblaciones con dos vas
Se trata de probar si el efecto de un factor o
Tratamiento en la respuesta de un proceso o sistema es
Significativo, al realizar experimentos variando
Los niveles de ese factor (Temp.1, Temp.2, etc.)
POR RENGLON
Y
Considerando los niveles de otro factor que se piensa
Que tiene influencia en la prueba VARIABLE DE BLOQUEO
POR COLUMNA
83
ANOVA Prueba de hiptesis para
probar la igualdad de medias de
varias poblaciones con dos vas
diferentes son s unas A Ha
Ho
a
. . ' . lg :
......... :
3 2 1

= = = =
diferentes son s unas A Ha
Ho
a
. . ' . lg :
' ......... ' ' ' :
3 2 1

= = = =
Para el tratamiento en renglones
Para la variable de bloqueo en columnas
84
ANOVA de 2 vas - Ejemplo
Experiencia en aos de los operadores
Maquinas 1 2 3 4 5
Maq 1 27 31 42 38 45
Maq 2 21 33 39 41 46
Maq 3 25 35 39 37 45
85
ANOVA Dos vas o direcciones
La SCT y SCTr (renlgones) se determina de la misma
forma que para la ANOVA de una direccin o factor

En forma adicional se determina la suma de
cuadrados del factor de bloqueo (columnas) de forma
similar a la de los renglones

La SCE = SCT SCTr - SCBl

86
ANOVA de 2 vas Suma de
cuadrados, gl. y Cuadrado medio
para el factor de bloqueo (en cols)
) 1 /(
1 .
) (
2
1
=
=
=

=
b SCBl CMBl
b SCBl gl
X X a SCBl
j
b
j
87
ANOVA de 2 vas Suma de
cuadrados, gl. y Cuadrado medio
para el error
) )( /(
) )( ( .
b n a n SCBl CME
b n a n SCE gl
SCBl SCTr SCT SCE
=
=
=
88
ANOVA Clculo del estadstico
Fc y Fexcel
SCE gl SCTr gl ALFA
FINV Fexcel
MCE
MCTr
Fc
. , . ,
=
=
89
ANOVA de 2 vas Clculo del
estadstico Fcbl y Fexcel bloques
(columnas)
SCE gl SCBl gl ALFA
FINV Fexcel
MCE
MCBl
Fc
. , . ,
=
=
90
Tabla final ANOVA 2 vas
FUENTE DE VARIACIN SUMA DE GRADOS DE CUADRADO VALOR F
CUADRADOS LIBERTAD MEDIO
Entre muestras (tratam.) SCTR a-1 CMTR CMTR/CME
Entre Bloques (Factor Bl) SCBl b-1 CMBL CMBL/CME
Dentro de muestras (error) SCE (a-1)(b-1) CME
Variacin total SCT n-1 CMT
Regla: No rechazar si la F de la muestra es menor que la F de Excel para una cierta alfa
91
ANOVA 2 vas Toma de decisin
Fexcel
Fc
Tr o Bl
Alfa
Zona de rechazo
De Ho o aceptar Ha
Zona de no rechazo de Ho
O de no aceptar Ha
Distribucin F
92
ANOVA 2 vas Toma de decisin
Si Fc (Tr o Bl) es mayor que Fexcel se rechaza
Ho Aceptando Ha donde las medias son
diferentes

O si el valor de p correspondiente a Fc (Tr o Bl)
es menor de Alfa se rechaza Ho
93
Clculo de los residuales
.
.
*

. , , 05 . 0
.. . .
i
i
y MSE gl k k
y
ij ij ij
j i ij
s r R
b
MSE
s
y y e
y y y y
=
=
=
+ =
Y estimada
Error o residuo
Error estndar
Factor de comparacin
Si la diferencia de medias excede a Rk es significativa
94
Adecuacin del modelo
Los residuales deben seguir una recta en la grfica
normal

Deben mostrar patrones aleatorios en las grficas de
los residuos contra el orden de las Yij, contra los
valores estimados y contra los valores reales Yij
95
ANOVA para un factor
principal y dos o tres variables
de bloqueo
CUADRADO LATINO Y
GRECOLATINO
96
ANOVA 3, 4 y 5 vas
El diseo de Cuadrado latino utiliza dos variables de
bloqueo adicionales al factor de Tratamiento

EL diseo de Cuadrado Grecolatino utiliza tres
variables adicionales al factor de Tratamiento

El diseo de Cuadrado Hipergrecolatino utiliza cuatro
variables de bloqueo adicionales al factor de
tratamiento
97
ANOVA Diseo de Cuadrado Latino
Este diseo es til para incluir dos fuentes de no homogeneidad
en las condiciones que afectan los resultados de las pruebas

Una tercera variable, que es el tratamiento experimental se
aplica a las variables fuente de manera balanceada

Un diseo de cuadrado latino es un experimento factorial
fraccional restringido por dos condiciones:
El nmero de columnas, filas y tratamientos debe ser la
misma
No debe hacer interacciones esperadas entre los factores de
filas y columnas
98
ANOVA Diseo de Cuadrado Latino
Se prueban 5 autos, con 5 carburadores diferentes
para determinar el consumo de gasolina con 5
chferes en un cuadrado latino de 5 x 5.
99
Cuadrado Latino
Aos exp. Turno
Empleado Maana Tarde Noche
1 B=15 A=18 C=11
2 C=12 B=20 A=9
3 A=17 C=19 B=10
A, B, C = Mquinas 1, 2 y 3
100
ANOVA Cuadrado Latino:
Factor principal (A,B,C,D)
) 1 /(
1 1 .
) (
2
1
=
= =
=

=
b SCTr CMTr
b a SCTr gl
X X a SCTr
Tr
b
j
101
ANOVA Cuadrado Latino: Clculo
del error
) 1 )( 2 /(
) 1 )( 2 ( .
Re
=
=
=
a a SCE CME
a a SCE gl
SCTr ng SC SCTcol SCT SCE
102
ANOVA Clculo del estadstico
Fc y Fexcel
SCE gl SCTr gl ALFA
FINV Fexcel
MCE
MCTr
Fc
. , . ,
=
=
103
ANOVA Cuadrado Latino Reng / Col
SCE gl SCBl gl ALFA
FINV Fexcel
MCE
MCCols
Fcols
MCE
ng MC
Fcreng
. , . ,
Re
=
=
=
104
Tabla final ANOVA vas Factores
FUENTE DE VARIACIN SUMA DE GRADOS DE CUADRADO VALOR F
CUADRADOS LIBERTAD MEDIO
Renglores SCRen a-1 CMRen CMRen/CME
Columnas SCCol b-1 CMCol CMCol/CME
Tratamiento SCTr a-1 CMTr CMTr/CME
Dentro de muestras (error) SCE (a-2)(a-1) CME
Variacin total SCT n-1 CMT
105
Cuadrado latino en Minitab
Se introducen las respuestas en una columna C1

Se introducen los subndices de los renglones en una
columna C2

Se introducen los subndices de las columnas en una
columna C3

Se introducen las letras maysculas que indican el
nivel del factor (A, B, C, D, etc.) correspondientes a
cada respuesta en la columna C4


106
Cuadrado latino en Minitab
Opcin: ANOVA General linear model

En Response indicar la col. De Respuesta,

En Model indicar la columna del factor y

En Random factors indicar las variables adicionales al
del efecto principal a probar (A, B, C, D). Se pueden
pedir interacciones entre factores x y con Cx*Cy

Pedir grfica de residuales Normal y vs fits y orden

107
Diseo de cuadrado Greco Latino
Es una extensin del diseo Cuadrado Latino con una
variable de bloqueo extra para tener 3 variables de
bloqueo, por ejemplo si se agrega el da se tiene:
108
Cuadrado Greco Latino
Experiencia de los operadores
Lotes MP 1 2 3 4 5
1 Aa=-1 Bc=-5 Ce=-6 Db=-1 Ed=-1
2 Bb=-8 Cd=-1 Da=5 Ec=2 Ae=11
3 Cc=-7 De=13 Eb=1 Ad=2 Ba=-4
4 Dd=1 Ea=6 Ac=1 Be=-2 Cb=-3
5 Ee=-3 Ab=5 Bd=-5 Ca=4 Dc=6
a, b, c y d son 5 diferentes tipos de montaje A, B, C, D y E son las 5 formulaciones a probar
109
ANOVA Cuadrado Grecolatino
) 1 /(
1 .
) (
2
1
=
=
=

=
b SCG CMG
b SCG gl
X X a SCG
m
b
m
110
ANOVA de 4 vas Suma de
cuadrados, gl. y Cuadrado medio
para el error
) 1 )( 3 /(
) 1 )( 3 ( .
Re
=
=
=
a a SCE CME
a a SCE gl
SCCol n SC SCG SCTr SCT SCE
111
ANOVA Clculo del estadstico
Fc y Fexcel
SCE gl SCTr gl ALFA
FINV Fexcel
MCE
MCG
Fc
. , . ,
=
=
112
ANOVA Cuadrado Grecolatino
SCE gl SCBl gl ALFA
FINV Fexcel
MCE
MCTr
Fc
. , . ,
=
=
113
Tabla final ANOVA 2 Factores
FUENTE DE VARIACIN SUMA DE GRADOS DE CUADRADO VALOR F
CUADRADOS LIBERTAD MEDIO
Renglores SCRen a-1 CMRen CMRen/CME
Columnas SCCol b-1 CMCol CMCol/CME
Letras griegas SCG a-1 CMG CMG/CME
Tratamiento SCTr a-1 CMTr CMTr/CME
Dentro de muestras (error) SCE (a-3)(a-1) CME
Variacin total SCT n-1 CMT
114
Cuadrado Greco latino en Minitab
Se introducen las respuestas en una columna C1
Se introducen los subndices de los renglones en una
columna C2

Se introducen los subndices de las columnas en una
columna C3
Introducir los subndices del factor adicional de letras
griegas con letras latinas minsculas (a,b,c,d,e) en C4

Se introducen las letras maysculas que indican el nivel
del factor (A, B, C, D, etc.) correspondientes a cada
respuesta en la columna C5


115
Cuadrado Greco latino en Minitab
Opcin: ANOVA General linear model

En Response indicar la col. de Respuesta,

En Model indicar la columna del factor y

En Random factors indicar las variables adicionales al del
efecto principal a probar (A, B, C, D). Tambin se
pueden indicar interacciones entre factores x-y con Cx *
Cy

Pedir grfica de residuales Normal y vs fits y orden

116
Diseo de cuadrado hipergrecolatino
Permite el estudio de tratamientos con ms de tres
variables de bloqueo, por ejemplo:
117

118
Diseos factorial completo 2K
A
B
BAJO
ALTO
ALTO
BAJO
A B
1 - -
2 + -
3 - +
4 + +
Representa-
cin Grfica
Representa-
cin Tabular
ALTO
ALTO
ALTO BAJO
BAJO
BAJO
B
A
C
Factor

Prueba A B C

1 - - -
2 + - -
3 - + -
4 + + -
5 - - +
6 + - +
7 - + +
8 + + +
119
Experimentos de Factoriales Completos-
todas las combinaciones
Todas las combinaciones
Temperatura Tiempo
Corrida 1: 350 1min.
Corrida 2: 350 2min.
Corrida 3: 400 1min.
Corrida 4: 400 2min.
Factores
Niveles
Bajo Alto
Temperatura 350

400
Tiempo 1min. 2min.
120
Nmero de Niveles
En Tres Niveles hay la necesidad de ejecutar ms
pruebas, sin embargo, nos permite buscar la curvatura,
es decir, los efectos cuadrticos.
En Dos Niveles nos permite considerar nicamente
los efectos lineares.
1 2
y
2 Niveles
1 2 3
y
3 Niveles
121
Diseos de Dos Niveles
Una estrategia que frecuentemente se emplea es
la de considerar un gran nmero de factores,
cada uno dispuesto en dos niveles para identificar
los factores que son significativos.
122
Determinacin del Nmero de
Combinaciones de Prueba
El nmero de combinaciones de prueba para un
factorial completo con factores k, cada uno en dos
niveles es:
k
2 n =
Por lo tanto, a estos diseos se les
conoce como diseos .
k
2
123
Codificacin de los
Niveles de los Factores
Los niveles de los factores para los diseos 2
k
se codifican como: Nivel bajo = -1 Nivel alto = +1
Minitab puede manejar
diseos hasta .
7
2
Diseo :
2
2
Corrida
A B
1 -1 -1
2 +1 -1
3 -1 +1
4 +1 +1
Diseo :
3
2
Corrida
A B C
1 -1 -1 -1
2 +1 -1 -1
3 -1 +1 -1
4 +1 +1 -1
5 -1 -1 +1
6 +1 -1 +1
7 -1 +1 +1
8 +1 +1 +1
124
Diseos de experimentos de dos
factores dos niveles
125
Un experimento factorial completo es un experimento donde se
prueban todas las posibles combinaciones de los niveles de todos los
factores.
40 20 -1
52 30 +1
+1 -1
Factor A:
Factor B: Y = Respuesta
Experimento factorial completo
sin interaccin
Efecto del factor A = (52+40)/2 - (30+20)/2 = 21
Efecto del factor B = (30+52)/2 - (20+40)/2 = 11
Efecto de A*B = (52+20)/2 (30+40)/2 = 1
126
Experimento sin interaccin
A = -1 A = +1
Respuesta
Promedio
B = +1





B = -1
20
30
40
52
127
Experimento sin interaccin
A = -1 A = +1
Respuesta
20
30
40
52
128
Modelo de regresin lineal
0 1 1 2 2 12 1 2
0
1
2
12
1 2 1 2

(20 40 30 52) / 4 35.5

21/ 2 11

11/ 2 5.5

1/ 2 0.5

35.5 10.5 5.5 0.5


y x x x x
y x x x x
| | | |
|
|
|
|
= + + +
= + + + =
= =
= =
= =
= + + +
El coeficiente 0.5 es muy pequeo dado que no hay interaccin
129
Grfica de contornos Experimentos
sin interaccin
X1 -1 -.6 -.4 -.2 0.0 +.2 +.4 +.6 +.8 +1
X2
1


.5


0


-.5

-1
22
28
34
40
46
49
Direccin
De ascenso
rpido
130
Superficie de respuesta
Experimentos sin interaccin
X1
X2
Superficie de respuesta

Grfica del modelo de regresin
Y = respuesta
131
Un experimento factorial completo es un experimento donde se
prueban todas las posibles combinaciones de los niveles de todos los
factores.
50 20 -1
12 40 +1
+1 -1
Factor A = X1 :
Factor B = X2:
Y = Respuesta
Experimento factorial completo
con interaccin
Efecto de A*B = {(12+20)-(40+50)}/2 = -29
132
Experimento con interaccin
A = -1 A = +1
Respuesta
Promedio
B = +1





B = -1
20
40
50
12
134
Modelo de regresin lineal
0 1 1 2 2 12 1 2
0
1
2
12
1 2 1 2

(20 40 30 52) / 4 30.5

2/ 2 1

18/ 2 9

58/ 2 29

30.5 1 9 29
y x x x x
y x x x x
| | | |
|
|
|
|
= + + +
= + + + =
= =
= =
= =
= +
El coeficiente -29 es muy grande representando la interaccin
135
Grfica de contornos
X1 -1 -.6 -.4 -.2 0.0 +.2 +.4 +.6 +.8 +1
X2
1


.5


0


-.5

-1
25
28
31
34
43
49
Direccin
De ascenso
rpido
40
136
Superficie de respuesta
Experimentos con interaccin
Superficie de respuesta

Grfica del modelo de regresin
137
Un experimento factorial con rplicas tiene varios
resultados bajo la misma combinacin de niveles
y
7
y
8
y
3
y
4

60
y
5
Y
6
y
1
y
2
30
90 70
Factor A :
Horas entrenamiento
Factor B:
Acceso al
sistema
Y = Tiempo de
respuesta
Experimento factorial con rplicas
138
Factor A :
Horas de entrenam.
79
78
95
92
60 min.
84
87
90
87
30 min.
90 70
Factor B:
Acceso al
sistema
Y = Tiempo de
conexin
El tiempo de entrenamiento afecta el tiempo de conexin?
El tiempo de acceso afecta el tiempo de conexin?
Qu efecto tiene la interaccin entre las horas de
entrenamiento y la hora del da sobre el tiempo de conexin?
Anlisis del efecto de la media
139
A
2
=
El Efecto del entrenamiento
Factor B :
Tiempo de
acceso
79
78
95
92
B
2
= 60 min.
84
87
90
87
B
1
= 30 min.
A
2
= 90 A
1
= 70
Factor A : Horas de
entrenamiento
A
1
=
90 + 87 + 95 + 92
4
= 91
84 + 87 + 79 + 78
4
= 82
El tiempo de entrenamiento parece cambiar el
tiempo de conexin Y?
T
i
e
m
p
o

d
e

c
o
n
e
x
i

n

70 90
o
95
90
85
80
91
82
140
El Efecto del Tiempo de acceso
B
2
=
Factor B :
Tiempo de
acceso
B
1
=
90 + 87 + 84 + 87
4
= 87
95 + 92+ 79 + 78
4
= 86
T
i
e
m
p
o

d
e

c
o
n
e
x
i

n


30 min. 60 min.
95
90
85
80
79
78
95
92
B
2
= 60 min.
84
87
90
87
B
1
= 30 min.
A
2
= 90 A
1
= 70
Factor A : Horas de
entrenamiento
El cambio de tiempo de acceso parece cambiar
el tiempo de atencin promedio del Call Center?
87
86
141
El Efecto de la Interaccin
Factor B : Tiempo de
acceso
o o
Factor A : Horas de entrenamiento
79
78
95
92
B
2
= 60
min.
84
87
90
87
B
1
= 30
min.
A
2
= 90 A
1
= 70
78.5 93.5 B
2

85.5 88.5 B
1

A
2
A
1

A,B, =
90 + 87
2
= 88.5

T
i
e
m
p
o

d
e

c
o
n
e
x
i

n

30 min. 60 min.
95
90
85
80
En una grfica de interaccin, las lneas paralelas indican que no hay interaccin. Por qu?
Las horas de entrenamiento y el tiempo de acceso parecen interactuar?
Qu niveles de los factores deben usarse para reducir al mnimo la dureza de
las partes?
143
Stat > DOE > Factorial > Create Factorial Design

o Two level

Designs: Number of center points 0
Number of Replicates 2
Number of blocks 1 OK

Options Non randomize runs OK

Factors Introducir el nombre real de los factores
y en forma opcional los niveles reales

Results Summary table, alias table OK
Corrida con Minitab Creacin del diseo
para 2 factores 2 niveles
144
Stat > DOE > Factorial > Create Factorial Design

Type of Design: General Full Factorial

Designs: Number of levels 3, 3
Number of Replicates 2

Options Non randomize runs OK

Factors Introducir el nombre real de los factores
y en forma opcional los niveles reales
Corrida con Minitab Diseo para 2
factores con 3 o ms niveles
145
Corrida con Minitab Anlisis del
diseo factorial
Hacer una columna de RESPUESTAS e introducir los datos
correspondientes a cada celda
Stat > DOE > Factorial > Analyze Factorial Design

Response Seleccionar la columna de las respuestas
Residuals Estandardized
Terms Pasar todos los trminos a Selected con >> OK
Graphs Seleccionar Effects Plots Normal y Pareto
Seleccionar Residual plots: Normal y vs fits OK
Results Full table of fits and residuals
Seleccionar todos los trminos con >> OK
OK
146
Corrida con Minitab
Interpretacin de grficas
MAIN EFFECTS
La grfica de EFFECTS PLOT debe indicar fuera de la recta los
factores e interacciones que son significativas

La grfica EFFECTS PARETO debe indicar en sus barras
principales ms all de la recta de 0.1 o 0.05 los factores e
interacciones significativas

RESIDUALS
La grfica NORMAL PLOT de residuos debe mostrar los puntos
cerca de la recta
La grfica de residuos RESIDUALS vs FITS debe mostrar
aleatoriedad en los residuos
147
Corrida con Minitab
Interpretacin de resultados
Estimated Effects and Coefficients for Res (coded units)

Term Effect Coef SE Coef T P Variables significativas (p < 0.05, 0.1)
Constant 86.500 0.6614 130.78 0.000
A -9.000 -4.500 0.6614 -6.80 0.002
B -1.000 -0.500 0.6614 -0.76 0.492
A*B -6.000 -3.000 0.6614 -4.54 0.011

Modelo de regresin Y = 86.5 4.5 A 3 AB (incluyendo slo las variables significativas)

Analysis of Variance for Res (coded units)
Source DF Seq SS Adj SS Adj MS F P
Main Effects 2 164.00 164.00 82.000 23.43 0.006 Existencia del modelo
2-Way Interactions 1 72.00 72.00 72.000 20.57 0.011
Residual Error 4 14.00 14.00 3.500
Pure Error 4 14.00 14.00 3.500
Total 7 250.00

148
Tabla ANOVA Experimento de
Tiempo de respuesta
250.000 7 Total
3.500 14.000 14.000 4 Error
0.011 20.57 72.000 72.000 72.000 1 Temp*
Tiempo
0.492 0.57 2.000 2.000 2.000 1 Tiempo
0.002 46.29 162.00 162.00 162.000 1 Temp
P F MS Aj SS Aj SS Sec DF Origen
Las horas de
entr. son
significativas.
La interaccin
del tiempo de
acceso y horas
de entr. es
significativa.
El Tiempo de
acceso, no es
significativo.
149
Crear las grficas factoriales y de interaccin:
Stat > DOE > Factorial > Factorial Plots
Seleccionar Main effects e Interaction Plots
Setup para ambas: Seleccionar columna Respuesta
y con >> seleccionar todos los factores OK
Seleccionar Data Means OK


Corridas con Minitab Grficas
factoriales
150
Interpretacin de grficas
Si la interaccin es significativa, entonces los mejores
niveles de operacin del proceso ya sea para
maximizar o para minimizar la respuesta Y, se
seleccionan de la Grfica de Interaccin

Si no es significativa la interaccin, entonces los
mejores niveles de los factores se seleccionan de las
grficas de efectos principales
151
Grfica de efectos principales
B A
1 -1 1 -1
90
88
86
84
82
R
e
s
Main Effects Plot (data means) for Res
152
Grfica de interacciones
-1
1
11 -1 -1
90
85
80
B
A
M
e
a
n
Interaction Plot (data means) for Res
153
Crear las grficas de contorno y superficies de respuesta:
Stat > DOE > Factorial > Contour/Surface Plots

Seleccionar Contour / Surface Plots
Setup para ambas: Entrar a opcin y dar OK

Seleccionar OK


Corridas con Minitab Grficas de
contorno y superficie de respuesta
154
Grfica de contorno
82.5
85.0
87.5
90.0
92.5
1 0 -1
1
0
-1
A
B
Contour Plot of Res
Permite identificar la direccin de experimentacin
de ascenso rpido perpendicular a los contornos
155
Grfica superficie de respuesta
1
0
-1
B
80
85
90
95
0
Res
-1
1 A
Surface Plot of Res
156
Diseos de experimentos de tres
factores dos niveles
157
Factorial Completo con 3 Factores
Diseo 2
3
, Factores A, B, C.
Permite la evaluacin de todos los efectos:
A AB ABC
B AC
C BC
Efectos
Principales
Interacciones con
2 factores
Interacciones con
3 factores
158
Factorial completo con 3 factores
Corrida
A B C
1 -1 -1 -1
2 +1 -1 -1
3 -1 +1 -1
4 +1 +1 -1
5 -1 -1 +1
6 +1 -1 +1
7 -1 +1 +1
8 +1 +1 +1
159
Diseo 2
3
con Columnas
de Interaccin
Las columnas de interaccin se obtienen multiplicando
los datos ingresados en la columna factor.
Fila A B C AB AC BC ABC
1 -1 -1 -1 +1 +1 +1 -1
2 +1 -1 -1 -1 -1 +1 +1
3 -1 +1 -1 -1 +1 -1 +1
4 +1 +1 -1 +1 -1 -1 -1
5 -1 -1 +1 +1 -1 -1 +1
6 +1 -1 +1 -1 +1 -1 -1
7 -1 +1 +1 -1 -1 +1 -1
8 +1 +1 +1 +1 +1 +1 +1
Las columnas de interaccin no se usan para ejecutar
las pruebas.
Estas se usan en el anlisis de los datos resultantes.
160
Anlisis de los Datos
1. Anlisis de las Medias
Determina los factores que afectan la respuesta
promedio.

2. Anlisis de Desviacin Estndar
Determina los factores que afectan la variabilidad
en la respuesta.
En ambos casos, se analizan los datos usando
- Tablas y Grficas de Respuesta
- Los valores P para significancia de los
coeficientes.
161
Experimento Factorial - 2 niveles
A B C
1. - - -
2. + - -
3. - + -
4. + + -
5. - - +
6. + - +
7. - + +
8. + + +
Leyenda:
- : Nivel bajo de un factor
+ : Nivel alto de un factor
Factor +
A. Perfil #1 Posicin 1 Posicin 2
B.
Angulo
90 105
C. Presin Baja Alta
Esta distribucin
experimental muestra todas
las combinaciones posibles
de 3 factores en 2 niveles
162
A B C
Muestra 1 Muestra 2 Muestra 3
1. - - - 19.18 19.02 19.09
2. + - -
3. - + -
4. + + -
5. - - +
6. + - +
7. - + +
8. + + +
La Distribucin Experimental
Las corridas experimentales
estn dadas por las filas. Por
ejemplo, la corrida #1 nos
dice que todos los factores
deben posicionarse en sus
niveles bajos (-).
Entonces, tres piezas se
manufacturan con el proceso
establecido en los niveles bajos de
A, B y C. La dimensin interna se
mide y se registra.
163
Datos Experimentales Completos
Se estableci cada una de las 8 combinaciones de la
prueba y se manufacturaron tres piezas en cada
combinacin.
A B C
Muestra 1 Muestra 2 Muestra 3
1. - - - 19.18 19.02 19.09
2. + - - 19.15 19.40 19.62
3. - + - 19.41 18.82 19.14
4. + + - 19.89 18.94 19.40
5. - - + 18.73 18.63 18.79
6. + - + 19.17 18.76 18.94
7. - + + 18.40 18.73 19.04
8. + + + 18.54 19.46 18.97
164
A B C
Muestra 1 Muestra 2 Muestra 3 Prom.
1. - - - 19.18 19.02 19.09 19.10
2. + - - 19.15 19.40 19.62 19.39
3. - + - 19.41 18.82 19.14 19.12
4. + + - 19.89 18.94 19.40 19.41
5. - - + 18.73 18.63 18.79 18.72
6. + - + 19.17 18.76 18.94 18.96
7. - + + 18.40 18.73 19.04 18.72
8. + + + 18.54 19.46 18.97 18.99
Bsqueda de los Factores que Afectan al
Dimetro Promedio
Para identificar cules son los factores que afectan la
dimensin promedio de las piezas, primero
calculamos el promedio de cada una de las
combinaciones de prueba.
165
A B C Prom.
1. - - - 19.10
2. + - - 19.39
3. - + - 19.12
4. + + - 19.41
5. - - + 18.72
6. + - + 18.96
7. - + + 18.72
8. + + + 18.99
Evaluacin del Efecto del Factor C
El Factor C tiene un efecto en la respuesta promedio si la
dimensin promedio en el nivel C difiere de la dimensin
promedio en el nivel C+.

26 . 19
4
41 . 19 12 . 19 39 . 19 10 . 19
Prom. en C
=
+ + +
=
85 . 18
4
99 . 18 72 . 18 96 . 18 72 . 18
=
+ + +
= +
Prom. en C
166
Tabla de Respuesta
para las Medias
A B C Prom.
1. - - - 19.10
2. + - - 19.39
3. - + - 19.12
4. + + - 19.41
5. - - + 18.72
6. + - + 18.96
7. - + + 18.72
8. + + + 18.99
A B C
18.92 19.04 19.26
+ 19.19 19.06 18.85
A
0.27 0.02 -0.41
Tambin es un
Efecto significativo
Es el Efecto
ms Grande
167
Grficas de los Efectos de los
Factores (Medias)
C B A
1 9 . 2 5
1 9 . 1 5
1 9 . 0 5
1 8 . 9 5
1 8 . 8 5
D
i
m
e
n
s
i

n

Grfica de Efectos Principales (medias de los
datos) para Dimensin
168
La Interaccin AB
A B C AB
= ( A x B) = AB
1. +
= (-1 x -1) = +1
2. +
= (+1 x -1) = -1
3. +
= (-1 x +1) = -1
4. + + +
= (+1 x +1) = +1
5. + +
= (-1 x -1) = +1
6. + +
= (+1 x -1) = -1
7. + +
= (-1 x +1) = -1
8. + + + +
= (+1 x +1) = +1
169
El Efecto de la Interaccin AB
A B C AB Prom.
1. + 19.10
2. - 19.39
3. - 19.12
4. + 19.41
5. + 18.72
6. - 18.96
7. - 18.72
8. + 18.99
05 . 19
4
72 . 18 96 . 18 12 . 19 34 . 19
Prom. en AB =
+ + +
=
05 . 19
4
99 . 18 72 . 18 41 . 19 10 . 19
=
+ + +
= +
A B C AB
- 18.92 19.04 19.26 19.05
+ 19.19 19.06 18.85 19.05
A 0.27 0.02 -0.41 0.00
Prom. en AB
170
Columnas de interacciones
Las columnas de interaccin AC, BC y ABC
Se obtienen multiplicando las columnas A,B,C.
A B C AB AC BC ABC Muestra 1 Muestra 2 Muestra 3 Prom.
1 + + + 19.18 19.02 19.09 19.10
2 + + + 19.15 19.40 19.62 19.39
3 + + + 19.41 18.82 19.14 19.12
4 + + + 19.89 18.94 19.40 19.41
5 + + + 18.73 18.63 18.79 18.72
6 + + + 19.17 18.76 18.94 18.96
7 + + + 18.40 18.73 19.04 18.72
8 + + + + + + + 18.54 19.46 18.97 18.99
171
Tabla de Respuesta para Medias
A B C AB AC BC ABC
18.92 19.04 19.26 19.05 19.06 19.05 19.05
+ 19.19 19.06 18.85 19.05 19.04 19.05 19.06
A
0.27 0.02 -0.41 0.00 -0.02 0.00 0.01
172
Efectos principales e Interacciones
Las lneas paralelas significan que
no hay interaccin.
- 1
1
1 1 - 1 - 1
1 9 . 2
1 9 . 1
1 9 . 0
1 8 . 9
B
A
M
e
d
i
a

- 1
1
1 1 - 1 - 1
1 9 . 4
1 9 . 3
1 9 . 2
1 9 . 1
1 9 . 0
1 8 . 9
1 8 . 8
C
A
- 1
1
1 1 - 1 - 1
1 9 . 2 5
1 9 . 1 5
1 9 . 0 5
1 8 . 9 5
1 8 . 8 5
C
B
Grfica de Interaccin (medias de los datos)
para Dimensin
Grfica de Interaccin (medias de los datos)
para Dimensin
Grfica de Interaccin (medias de los datos)
para Dimensin
M
e
d
i
a

M
e
d
i
a

173
Ecuacin de Prediccin
En la ecuacin de prediccin se incluyen nicamente los efectos que
se consideran importantes (cuyo valor de P es menor o igual a 0.05).
A A A
... AB )
2
AB
( B )
2
B
( )
2
A
( y y
+ + + + = A
y

=
=
A
2
A
=
A
2
B
=
y
y

=
y

= Respuesta predicha
=
A
2
A
=
A
2
A
Mitad del efecto para el factor A
=
A
2
B
=
A
2
B
=
y Promedio de todos los datos
=
y
Mitad del efecto para el factor B
174
Factores que Afectan la Variacin
Se identifican los factores que afectan la variacin en la
respuesta.
Se calcula la desviacin estndar de cada uno de los
conjuntos de replicas.
Se analiza dicha columna de la misma manera que se
analiz el promedio:
- Tabla de Respuesta (las deltas grandes muestran los
factores o interacciones que estn afectando la variacin).
- Grficas (El eje vertical representa la desviacin
estndar).
- Los valores P para la prueba de los coeficientes (generar
un modelo s-hat usando los trminos significativos).

175
Factores que Afectan la Variacin
A B C
Muestra 1 Muestra 2 Muestra 3
Desviacin
Estndar
1. - - - 19.18 19.02 19.09 0.080
2. + - - 19.15 19.40 19.62 0.235
3. - + - 19.41 18.82 19.14 0.295
4. + + - 19.89 18.94 19.40 0.475
5. - - + 18.73 18.63 18.79 0.081
6. + - + 19.17 18.76 18.94 0.206
7. - + + 18.40 18.73 19.04 0.320
8. + + + 18.54 19.46 18.97 0.460
Para identificar cuales son los factores que
afectan la variacin en la dimensin de los
rieles, primero calculamos la desviacin
estndar de cada una de las corridas.
176
Tabla de Respuesta de
la Desviacin Estndar
Se gener una tabla de respuesta, con las
desviaciones estndar, que muestre la fuerza que
tiene cada factor e interaccin sobre la variacin de
la dimensin
A B C AB AC BC ABC
0.194 0.150 0.271 0.264 0.278 0.264 0.270
+ 0.344 0.388 0.267 0.274 0.260 0.274 0.268
A
0.150 0.237 -0.005 0.010 -0.018 0.010 -0.002
177
Grficas de los Efectos de los
Factores (Variacin)
Las grficas muestran el efecto de cada factor sobre la
variacin.
C B A
0 . 3 9
0 . 3 3
0 . 2 7
0 . 2 1
0 . 1 5
D
e
s
v
i
a
c
i

n

E
s
t

n
d
a
r

Grfica de Efectos Principales (medias de
los datos) de la Desviacin Estndar
178
Mejoramiento en Dos Pasos
Paso 1: Usar el anlisis de desviacin estndar para
reducir la variabilidad.
Paso 2: Usar el anlisis de la media para ajustar el
proceso o producto con la meta establecida, sin
aumentar la variacin.
Si se tiene conflicto con el nivel de algn factor, se
debe dar preferencia al nivel que reduzca la
variabilidad

179
Efectos de las Variables de Ruido
Las variables no controladas durante un experimento (tales como las
condiciones ambientales) pueden producir cambios en la respuesta de la
salida. Si una variable de fondo cambia un factor de la misma forma que
nuestro experimento lo cambia, entonces, nuestra conclusin es
incorrecta cuando decimos que el factor est produciendo el efecto.
Presin
de
Inyeccin
1. - 1.4
2. - 1.6
3. - 1.0
4. - 0.9
5. + 1.1
6. + 0.7
7. + 0.6
8. + 0.5
Por qu
la diferencia?
Prom.= 1.23
Prom.= 0.73
Las Corridas 1 a 4 se ejecutaron
en la maana cuando la
temperatura ambiental en la
planta es templada.
Las Corridas 5 a 8 se ejecutaron
en la tarde cuando hace calor.
La diferencia observada en la
salida, se debe al cambio en la
presin de inyeccin o al cambio
en la temperatura ambiental?
Datos
180
Orden Aleatorio de las Corridas
Una estrategia para protegerse de las variables de ruido es
aleatorizar el orden de las corridas experimentales.
2.
6.
4.
7.
3.
8.
5.
1.

1.
2.
3.
4.
5.
6.
7.
8.

A B C


+

+

+ +
+
+ +

+ +
+
+ +
Orden Estndar Orden Aleatorio
Ejecutar el
experimento en orden
aleatorio promediar,
los efectos de las
variables de ruido.
Sin embargo, por lo
general es mejor
tratar las variables
de ruido como un
FACTOR DE RUIDO
y as, lograr una
fuerza contra el
ruido!
A B C

+
+ +

+ +

+ +

+
+
+ +
+

181
Factoriales Completos
en 3 Niveles
Para todos los factores en 3 niveles, los diseos
factoriales completos se vuelven muy grandes, incluso
para 3 factores.

2 factores: 3
2
= 9 corridas
3 factores: 3
3
= 27 corridas
4 factores: 3
4
= 81 corridas
etc
La informacin que se necesita para la construccin de
un modelo (la ecuacin de prediccin) se puede
obtener con menos pruebas mediante otros tipos de
diseo, tales como los fraccionales factoriales.
182
Ejemplo: Diseo Factorial
Completo en 3 niveles


Presin Velocidad No.Capas Replica 1 Replica 2
-1 -1 -1 60.5 59.5
1 -1 -1 73.0 71.0
-1 1 -1 54.0 54.0
1 1 -1 68.3 67.7
-1 -1 1 52.7 51.3
1 -1 1 83.1 82.9
-1 1 1 45.6 44.4
1 1 1 80.4 79.6
Ejemplo: Algoritmo de Yates
para diseos 2K
Lnea continua __________________ indica suma
Lnea punteada ------------------------- indica restar al nmero de abajo el de arriba
60
72
Respuesta
promedio
54
68
52
83
45
80
31
35
12
14
135
125
132
122
254
260
26
66
- 10
- 10
2
4
0
2
6
40
- 20
6
514
92
60.25
23.0
- 5.0
1.5
1.5
10.0
0.0
0.5
(1) (2) (3)
Efecto
Divisor
8
4
4
4
4
4
4
4
B
}
} }
} } }
} } }
} } }
A
AB
C
AC
BC
ABC
Contraste
184
Ecuacin de Prediccin

Y = Y + A +
E
A
2
E
B
2
B +
E
AB
2
AB
^
185
Regin ptima con puntos centrales

Y = Y + A +
E
A
2
E
B
2
B +
E
AB
2
AB
^
186
187
Pasos para el DOE
Seleccionar el proceso
Identificar la variable de respuesta de inters

Identificar los factores de entrada y sus niveles
Seleccionar el diseo apropiado

Realizar los experimentos bajo las condiciones
predeterminadas
Colectar los datos de respuestas
Analizar los datos y obtener conclusiones
188
Diseo factorial fraccional
Ventajas
Se pueden obtener conclusiones parecidas que con
experimentacin de diseos factoriales completos con
menos experimentos (1/2 o )

Resulta ms econmico
Dado que en muchos casos las interacciones no son
significativas, no importa que su efecto se confunda
con los de los factores principales

Desventajas
En muchos casos slo se pueden estimar los efectos
principales de los factores (diferencia de promedios)
189
Diseos de
Plackett - Burman
Se utilizan para identificar los factores significativos
de entre varios factores como filtro.
El nmero de experimentos es mltiplo de 4 (4, 8, 16,
32, 64, 128) donde cada efecto de interaccin est
confundido con exactamente un efecto principal

Hay arreglos no geomtricos de 12, 20, 24, 28, etc.
Cada interaccin est parcialmente confundida con los
efectos principales, significa que si las interacciones no
son significativas se pueden utilizar slo para efectos
principales, por ejemplo un arreglo de 12 experimentos
para 11 factores
190
Ejemplo: filtraje de factores
191
Diseos de
Plackett - Burman
Ventajas
Son muy econmicos, por ejemplo con un diseo de 20
corridas se pueden probar hasta 19 factores. 27
factores se pueden filtrar con un diseo de 28 corridas

Desventajas
Slo proporcionan una gua de cuales factores son
significativos para posteriormente hacer un diseo
factorial completo o menos fraccional con ellos y
estimar los puntos ptimos
192
Diseo de operaciones
evolutivas EVOP
Enfatiza una estrategia conservadora para mejora
continua del proceso, sin alterarlo en produccin
193
Diseo de operaciones
evolutivas EVOP
Las pruebas se realizan en la fase A, hasta que se
establezca un patrn de respuestas

Despus sigue la fase B, centrada en las mejores
condiciones de la fase A

Se repite el procedimiento hasta que se obtenga el
mejor resultado
194
Diseo de operaciones
evolutivas EVOP
Cuando se est cerca del pico, se deben reducir los
pasos o examinar diferentes variables

EL EVOP incluye pequeos incrementos en los
parmetros del proceso, para evitar desperdicios

Se pueden requerir muestras grandes para
determinar la direccin de mejora
195
196
Ejemplo
Johnson y Leone describen un experimento realizado para investigar la torcedura de placas de
cobre. Los dos factores estudiados fueron la temperatura y el contenido de cobre de las placas.
La variable de respuesta fue de una medida de la cantidad de torcedura. Los datos fueron los
siguientes:


Contenido de cobre
(%)





Temperatur
a (

C)

40

60

80

100

50

17, 20

16, 21

24, 22

28, 27

75

12, 9

18, 13

17, 12

27, 31

100

16, 12

18, 21

25, 23

30, 23

125

21, 17

23, 21

23, 22

29, 31

197
Ejemplo
a) A un nivel de significancia del 5% identificar si hay los factores o las interacciones son significativas
b) Obtener los residuos y hacer una prueba de normalidad, comentar la adecuacin del modelo
c) Determinar los efectos de los factores principales y de las interacciones
d) Obtener las grficas factoriales e identificar en cuales seleccionar los diferentes niveles
e) Si se quiere minimizar la torcedura, en que niveles conviene operar el proceso?
f) Suponga que no es sencillo controlar la temperatura en el medio ambiente donde van a usarse
las placas de cobre Este hecho modifica la respuesta que se dio en el inciso d?
198
Ejemplo: frmulas
S T AB B A T E
B A S AB
a
i
ij
b
j
a
i
j B
a
i
i A
n
k
ijk
b
j
a
i
T
E AB B A T
SS SS SS SS SS SS SS
SS SS SS SS
abn
y
y
n
SSs
abn
y
y
an
SS
abn
y
y
bn
SS
abn
y
y SS
n an Error de libertad de Grados
b a AB de libertad de Grados
b B de libertad de Grados
a A de libertad de Grados
abn totales libertad de Grados
SS SS SS SS SS
= =
=
=
=
=
=
=
=
=
=
=
+ + + =


= =
=
=
= = =
2
1
2
.
1
2
1
2
. .
2
1
2
..
1
2
2
1 1
... 1
... 1
... 1
...
) 1 ( . . . .
) 1 )( 1 ( . . . .
1 . . . .
1 . . . .
1 . . .
199
Tabla ANOVA
General Linear Model: datos versus Temp, Cobre
Factor Type Levels Values
Temp fixed 4 50 75 100 125
Cobre fixed 4 40 60 80 100
Analysis of Variance for datos, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Temp 3 156.094 156.094 52.031 7.67 0.002
Cobre 3 698.344 698.344 232.781 34.33 0.000
Temp*Cobre 9 113.781 113.781 12.642 1.86 0.133
Error 16 108.500 108.500 6.781
Total 31 1076.719
200
Resultados
201
Resultados
202
203
Diseos de Experimentos de Taguchi
Objetivo: obtener la mayor cantidad de informacin con
un mnimo de corridas de experimentacin industrial. Con
las variables de respuesta cerca de su valor ptimo con
un mnimo de variacin.
La variacin de un proceso se debe a la variacin de
factores de control y factores de ruido (es muy caro
difcil de controlarlos).
Es posible encontrar una combinacin de factores de
control que optimice la media de la variable de respuesta
y que al mismo tiempo minimicen el efecto de los
factores de ruido en la variabilidad logrando procesos
robustos.
204
Diseos de Experimentos de Taguchi
Dar prioridad a los factores principales, ya que las
interacciones son difciles de manejar y por eso deben de
considerarse como factores de ruido.

Las interacciones a probar deben de ser conocidas
altamente probables. Si las interacciones altamente
significativas no son incluidas, se generar una confusin

Se deben de analizar los datos mediante la razn seal
a ruido, detectando con ello las combinaciones de los
factores de control que generan un proceso robusto.
205
Crear Diseos Taguchi en Minitab
Los diseos de Taguchi son
de resolucin III (los efectos
principales se confunden con
interacciones dobles)
Los diseos L de Taguchi
se recomiendan cuando se
tienen >4 factores se
desea filtrarlos
206
Diseos Taguchi disponibles en Minitab
La L significa nmero
de tratamientos a
realizar (ms rplicas).

Ejemplo: Un diseo L8
significa que es un
diseo con 8
tratamientos.
207
208
Diseo de mezclas
Generalidades: Los Factores tienen
la restriccin de que su suma es la
unidad o el 100%. Mezclas de
componentes (Gasolinas, shampoos,
salsas, etc.)
Los diseos de mezcla ms
utilizados son :
Diseo Simplex-Lattice
Diseo Simplex-Centroide
Diseo de vrtices extremos
x
1
x
2
x
3
Diseo factorial
Diseo de mezcla
Restriccin :
x
1
+ x
2
+ x
3
= 1
= No cumple con la restriccin
= Cumple con la restriccin
209
Diseo de mezcla (3 Componentes)
(100%,0%,0%)
A
B C
(0%,100%,0%) (0%,0%,100%)
Regin factible a experimentar.
Cualquier punto de esta regin
cumple con la restriccin:
x
1
+ x
2
+ x
3
= 1
Ejemplo :
30% of A,
20% of B,
50% of C
210
Arreglos Simplex-Lattice
3 componentes
2 niveles
4 componentes
2 niveles
X
1
= 1
X
3
= 1 X
2
= 1
X
1
= 1
X
4
= 1 X
2
= 1
X
3
= 1
Diseo de mezcla (3 Componentes)
211
Diseo de mezclas
(Arreglos Simplex-Lattice aumentado)
(100%,0%,0%)
A
B C
(0%,100%,0%) (0%,0%,100%)
Utilizados cuando se quiere alta
resolucin en la superficie de
respuesta, cuando ya se tiene la
regin optima
212
(100%,0%,0%)
A
B C
(0%,100%,0%) (0%,0%,100%)
Diseo de mezclas
(Arreglos Simplex-Lattice aumentado)
213
3 componentes
3 niveles
4 componentes
3 niveles
X
1
= 1
X
3
= 1 X
2
= 1
X
1
= 1
X
4
= 1 X
2
= 1
X
3
= 1
Diseo de mezclas
(Arreglo Simplex Centroid)
214
Semejanzas entre la aplicacin de
Diseos Factoriales y Diseos de Mezcla
Aplicacin General Diseos Factoriales Diseos de Mezcla
Caracterizar
(< 5 Factores)
Factorial completo
Filtraje
(> 5 factores)
Factorial Fraccionado
Alta resolucin
Factorial con puntos
centrales
Optimizar salida CCD (Puntos axiales)
CCF (Centrado en
Caras)
Box-Behnken
Simplex-Lattice aumentado
con puntos en los ejes
Simplex-Lattice no
aumentado
Simplex-Lattice aumentado
con Puntos Centrales
Simplex-Centroide
aumentado con puntos en
los ejes y no aumentado
215
Diseo de Experimentos con Restricciones
Para Factoriales = Diseo D-Optimal vrtices Extremos
x
1
x
2
x
3
Restriccin
Restriccin
216
Diseos de mezcla (Restricciones y
Pseudo-regin)
Se usan cuando hay restricciones por componentes
adicionales a la de la mezcla (100%)

A veces se pueden transformar los valores de la
regin factible a sus equivalentes (Pseudo-regin)
para su proceso por Simplex y al final regresar los
Pseudo-resultados a valores originales
217
Diseos de mezcla (Restricciones y Pseudo-regin)
(100%,0%,0%)
A
B C
(0%,100%,0%) (0%,0%,100%)
(100%,0%,0
%)
A
B C
(0%,100%,0
%)
(0%,0%,100
%)
Regin
factible
Pseudo
Regin
Ejemplo :
R1: A>22%
R2: B>17%
R3: C>23%
R1
R3
R2
218
Diseo de Mezclas
Restricciones y Pseudo-regin (Minitab)
(100%,0%,0
%)
A
B
C
(22%,55%,23%)
(22%,17%,61%)
Pseudo
Regin
Ejemplo :
R1: A>22%
R2: B>17%
R3: C>23%
(60%,17%,23%) A
B (0%,100%,0%)
C
(0%,0%,100%)
{

219
Diseos de mezcla (Restricciones y
Pseudo-regin)
Cuando existen mltiples restricciones para uno o
ms componentes, o bien, existen restricciones en
la relacin de los componentes, se tienen regiones
factibles asimtricas por lo que su diseo se
hace mediante los diseos de vrtices extremos y
su anlisis no es Simplex sino D-Optimal.

220
Diseos de mezcla (Vrtices extremos D-Optimal)
(100%,0%,0%)
A
B C
(0%,100%,0%) (0%,0%,100%)
Regin
factible
Ejemplo :
R1: 41%<B<15%
R2: 39%<C<16%
R2
R2
R1
R1
221
Diseo de Mezclas
Vrtices Extremos D-Optimal
(Minitab)
(100%,0%,0%)
A
B C
(0%,100%,0%) (0%,0%,100%)
Regin
Factible
Ejemplo :
R1: 41%<B<15%
R2: 39%<C<16%
R2
R2
R1
R1
{

222
Diseo de Mezclas con restricciones adicionales
Vrtices Extremos con restricciones lineales
(100%,0%,0%)
A
B C
(0%,100%,0%) (0%,0%,100%)
Ejemplo :
R1: 41%<B<15%
R2: 39%<C<16%
R3: A + 1.5B < 90%
R4: A C > 10
R2
R2
R1
R1
R3
R4
223
Ejemplo :
R1: 41%<B<15%
R2: 39%<C<16%
R3: A + 1.5B < 90%
R4: A C > 10
(100%,0%,0%)
A
B C
(0%,100%,0%) (0%,0%,100%)
R2
R2
R1
R1
R3
R4
{
}
Diseo de Mezclas con restricciones adicionales
Vrtices Extremos con restricciones lineales
224
Diseos de mezcla con
Factores de Proceso
3 componentes de Mezcla y 1 factor de proceso
:
Z
1
=-1
Z
1
=+1
Z
1

Z
2

3 componentes de Mezcla y 2 factores de
proceso :
3 componentes de Mezcla y 3 factores de
proceso :
Combinacin de diseos
factoriales con diseos de
mezclas
225
Diseo de Mezclas con Factores de Proceso
Ejemplo de un refresco
Respuesta : y = Satisfaccin del Cliente
Componentes : A = Jugo de limn
B = Azcar
C = Agua

Restricciones : 5% < Contenido de jugo de limn < 20%
1% < Contenido de Azcar < 10%

Factores: Temperatura: Fra (-1), Al tiempo (1)
de proceso Material del vaso: Plastico (-1), Vidrio (1)
226
Diseo de Mezclas con Factores de Proceso
Ejemplo de una Limonada
227
228
Muda y actividades sin valor
agregado
229
Lean = Eliminacin de Muda
Sobreproduccin
Defectos / Rechazos
Inventarios
Movimientos excesivos
Procesos que no agregan
valor
Esperas
Transportes innecesarios
Tpicamente el 70% de los tiempos no agregan valor
230
Actividades sin valor o Muda
Muda son las actividades que no agregan valor en
el lugar de trabajo, su eliminacin es esencial:

Sobreproduccin: planeada y generada por fallas
de mquinas, rechazos, capacidad de mquinas,
etc.

Reparaciones y rechazos: Se utilizan operadores
de lnea y de mantenimiento para corregir los
problemas, Generan desperdicios


231
Actividades sin valor o Muda
Inventarios de todos tipos, ya que requieren:
Espacio en planta
Transporte
Montacargas
Sistemas de transportadores
Mano de obra adicional
Intereses en materiales

Son afectados por:
Polvo, humedad y temperatura
Deterioracin y obsolescencia
232
Actividades sin valor o muda
Movimientos y ergonoma, analizar cada
estacin:
El operador no debe caminar demasiado,
cargar pesado, agacharse demasiado, tener
materiales alejados, repetir movimientos, etc.

Layout de planta inadecuado genera
distancias recorridas excesivas
233
Eliminar desperdicios / Muda
No producir en exceso teniendo sobreproduccin e
inventarios innecesarios

Eliminar esperas en colas, periodos inactivos
Falta de materiales, paros de mquina, falta de
herramientas, etc.

Operadores ociosos, tiempos largos de
preparacin, tareas de emergencia, juntas
largas e innecesarias



234
Eliminar desperdicios / Muda
Evitar Procesos adicionales:
Remover rebabas

Retrabajar piezas por defectos

Realizar inspecciones

Hace cambios innecesarios en productos

Mantener copias de informacin adicionales

235
Eliminar desperdicios / Muda
Transporte adicional causado por mal diseo de
layout, de lneas o celdas, uso de proceso en lotes:

Uso de montacargas
Transportadores
Movedores de pallets
Uso de camiones

Los defectos ocasionan costos por devoluciones,
reclamaciones, disputas


236
Eliminar desperdicios / Muda
Movimientos y ergonoma, analizar cada estacin: la
estacin debe ser ergonmica para evitar daos y
accidentes, incluir:

Enfatizar la seguridad
Empleado adecuado a la tarea

Adecuar el lugar al empleado

Rediseo de herramientas para reducir esfuerzos y
daos,
Rotar tareas cada x horas
237
Plan para eliminar desperdicios
Identificar operaciones ineficientes

Identificar procesos asociados que requieren mejora,
baja produccin

Hacer un Mapeo de proceso

Revisar el mapa para identificar magnitud y
frecuencia de los 7 tipos de desperdicio

238
Plan para eliminar desperdicios
Establecer mtricas sobre los desperdicios

Usar principios Lean para reducir o eliminar los
desperdicios

Monitorear los indicadores para continuar eliminando
el desperdicio

Repetir este proceso con otras operaciones
ineficientes
239
Empresa Lean
240
Definicin de Lean
Mtodos para tener flexibilidad y minimizar el
uso de recursos (tiempo, materiales, espacio,
etc.) a travs de la empresa ampliada (
proveedores, distribuidores y clientes) para
lograr la satisfaccin y lealtad del cliente.
Mfra. Lean es trmino acuado despus del estudio de
5 aos del MIT en la industria automotrz en 1991
241
Propsito
Conocer la evolucin del concepto Lean y
establecer las premisas bsicos para la
implantacin de los mtodos de manufactura Lean
en la empresa, enfocados a reducir el Muda

Discutir los diferentes Mudas actuales en las
empresas y algunas medidas para eliminarlo o
reducirlo
242
Evolucin del Pensamiento Lean
Womack (1990) introduce el trmino de Manufactura Lean
en 1990 con las prcticas de manufactura de Toyota para
reducir muda.

En 1903 Henry Ford fabrica el modelo A y en 1908 el
modelo T, reduce el tiempo de ciclo de 514 a 2.3 minutos

En los aos 1920s entra GM al mercado

En 1950 Eiji Toyoda de Toyota visita la planta de Ford
para implantar mejores mtodos en Japn con Taichi
Ohno su genio de produccin.
243
Mtodos Lean en 3 actividades clave de la
empresa
Lanzamiento de nuevos productos: definir el
concepto, diseo y desarrollo del prototipo, revisin
de planes y mecanismo de lanzamiento

Gestin de informacin: toma de pedidos, compra de
materiales, programacin interna y envi al cliente

Transformacin o Manufactura: realizacin del
producto desde la transformacin de materias primas
hasta producto terminado
244
Pensamiento Lean
El esfuerzo Lean es convertir los procesos Batch a
procesos de flujo continuo. Algunos obstculos son:

Siempre se ha hecho en Batches
Vivimos en un mundo de departamentos y funciones
Esta es una planta basada en produccin
No hacemos cambios de herramentales rpidos
Tenemos maquinaria no flexible

En flujo continuo los pasos de produccin son de
flujo de una pieza sin WIP, en secuencia y operacin
muy confiable
245
Herramientas Lean
246
247
Es una metodologa enfocada a lograr orden y la limpieza
en todas las reas de la empresa (oficinas, fbrica,
almacn, etc.) Creando una disciplina que a la larga se
convierta en cultura y en prctica comn.



Las 5Ss
248
Los Ocho ceros
1. Desperdicios
2. Accidentes

3. Tiempos Muertos
4. Defectos

5. Desperdicio en cambios
6. Retrasos

7. Insatisfacciones de Clientes
8. Prdidas ($$$)
0
Beneficios al aplicar las 5Ss
249
Visin General de las 5Ss
DISCIPLINA
ORDEN
LIMPIEZA
ESTANDA-
RIZACION
ORGANIZACIN
1. 2.
3
.
4
.
5
.
250
Mfra. Lean para ahorro de
espacio y tiempo, las 5Ss
Seiri, Seiton, Seiso, Seiketsu, Shitsuke

Seiri = Organizacin
Deshacerse de todo lo innecesario del rea de trabajo, si hay
duda usar Tarjetas Rojas, ahorrar espacio

Seiton = Orden
Tener las cosas en el lugar o distribucin correcta, visualmente
bien distribuidas e identificadas, ahorrar tiempo de
bsqueda. Contornos, pintura, colores.

251
Mfra. Lean para ahorro de espacio
y tiempo, las 5Ss
Seiso = Limpieza
Crear un espacio de trabajo impecable, ahorrar espacio y
elevar la moral y la imagen

Seiketsu = Estandarizacin
Establecer los procedimientos para mantener las tres Ss
anteriores. Administracin visual, usar colores claros,
plantas, etc.

Shitsuke = Disciplina
Crear disciplina (repeticin de la prctica)

252
Para qu limpiar si se ensucia de nuevo?

Ya tenemos organizacin y orden

Hay mucho trabajo como para perder el tiempo con
estas modas japonesas, no aumenta la produccin.

Para vencer la resistencia:

Involucrar al personal y predicar con el ejemplo
Resistencia al cambio, se escucha:
253
Distinguir entre lo que es
Necesario y lo que no lo es
Seiri, la primera S:
Seleccionar/Organizar

254
1. SELECCIONAR
2. ORGANIZAR
* Slo lo que se
necesita,
* en la cantidad que se
necesita, y
* slo cuando se
necesita.
* Es dejar slo lo
estrictamente necesario
para las operaciones
normales de produccin
o de oficinas.

Seiri, la primera S:
Seleccionar/Organizar
255
Deshacerse de todo lo innecesario del rea de
trabajo, en caso de duda:

Asignar un rea especial para colocacin de estos
materiales y equipos

Colocarles una etiqueta roja y llevarlos a esta rea
haciendo una relacin

Peridicamente revisar el uso futuro o actual de lo
que se almacena en el rea de tarjetas rojas y tomar
decisiones
Seiri, la primera S:
Seleccionar/Organizar

Razn de etiqueta roja:
Localizacin:
Fecha:
Nombre:
256
Implementando las 5Ss
257
La cruzada de la organizacin
Necesidad
Frecuencia de uso de las cosas:
Guardar en:
Baja Sin uso en aos
Uso entre 6-12 meses
Deshacerse de ellas
Guardar a distancia
Media Uso entre 2-6 meses
Uso mayor a 1 vez al mes
Guardarlas en un
lugar central en el
rea de trabajo
Alta Uso mayor a 1 vez por
semana
Cosas usadas diario
Guardar cerca del
rea de trabajo o
llevarlas consigo
258
Guardar las cosas Necesarias
Frecuencia de uso de las cosas:
Guardar en:
Uso frecuente
Uso constante
Tenerlas al alcance
Localizarlas para
facil alcance y regreso
en donde deben ir
Uso espordico Regresarlas a donde
pertenecen, pizarra
con siluetas, colores,
cdigos, etc.
Archivos Nmero y color para
el archivero y orden
259
Detrs de lockers y muebles, sobre racks

En los Pisos, pasillos, almacenes, escaleras,
pasajes

Avisos obsoletos en Pizarrones, bardas o cercas

Equipo y letreros de seguridad

Evitar excesos y fugas de materiales y lquidos


Identificar lo innecesario
260
Un lugar para cada cosa y cada cosa en
su lugar para: Ahorrar espacio, tiempo de
bsqueda y Facilitar la administracin visual
Seiton, la segunda S:
Orden
261
Ejemplos de Orden:
* Etiquetar las carpetas (sin docs. innecesarios).

* Etiquetar espacios de almacenaje para que cada cosa este
en su lugar y haya lugar para cada cosa.

* Identificar con siluetas las herramientas y muebles
El estndar para localizar artculos, papeles,
refacciones, etc., una vez aplicadas las 5Ss
es de menos de 30 segundos.
Etiquetar o sealizar, apoyos
para la Administracin visual.
262
Marcar pasillos y donde deben ir las cosas









Antes Despus

Cmo ordenar?
La distribucin de planta
Pasillo
263
Estantes, mesas y carros de altura ajustable
Recoger cosas del piso, cansa y es peligroso








Antes Despus

Cmo ordenar?
Los materiales en el piso
264
Ordenar
Las herramientas
Eliminar su necesidad y estandarizar
Almacenar cerca las ms usadas

Los materiales
Cuadros Kanban
FIFO y almacenamiento contingente

Los aceites
Los equipos de medicin

Los letreros y avisos
265
Mantener el rea de trabajo
impecable y libre de toda suciedad
Seiso, la tercera S:
Limpieza
266
Aumenta la moral del personal y su eficiencia

Los defectos se vuelven obvios

Los riesgos de los accidentes disminuyen
Mejoran las condiciones de las maquinarias

Se minimiza la probabilidad de revolver producto
Podemos luchar por tener un ambiente limpio
Beneficios de la Limpieza
La Limpieza es inspeccin
267
1. Macro: limpieza general


2. Individual: limpieza de reas de trabajo y partes
especficas del equipo


3. Micro: limpieza de partes pequeas y
herramientas, corregir las fuentes de fugas y
fuentes de suciedad o polvo
Las 3 etapas de la la Limpieza
268

1. Determinar las metas de limpieza

2. Determinar las responsabilidades de la limpieza
(mapeo de reas y definicin de responsables)

3. Determinar los mtodos de limpieza
(programa que muestra al detalle las veces al da en
que se limpia, el responsable, y la forma)

4. Preparar las herramientas de limpieza

5. Implantar la limpieza.
5 pasos para Implantar la limpieza
269
1. Dividir por zonas y asignar responsabilidades
rotativas por grupos y personas, dar tiempo

2. Limpieza por equipo y rea usando lista de
verificacin (pisos, colectores, conveyors, etc.)
Partes mviles, hidrulicas, neumticas, elctricas, etc.

3. Aplicar Kaizen para limpiar zonas difciles,
mtodos de limpieza y herramientas de limpieza

4. Seguir las reglas, identificar problemas tomar
acciones
Promocin de una
rea de trabajo lmpia
270
Mantener las tres primeras Ss:
Seleccin/Organizacin
Orden y Limpieza
Seiketsu, la cuarta S:
Estandarizacin

271
No se regresa a las viejas condiciones se mantienen
gracias a la Administracin Visual

No hay cosas fuera de su lugar al fin del turno

Los lugares de almacenamiento estn organizados

Se controlan las fuentes de suciedad y basura

Se quita el hbito de acumular cosas inncesarias
Beneficios de la
Estandarizacin
272
1. Es altamente recomendable que en la
elaboracin de los estndares participen
quienes deben de realizar las actividades
de las primeras 3Ss


2. Esto ayuda a crear un sentido de
pertenencia y facilita avanzar en este esfuerzo
Recomendaciones
273
Hbito de mantener correctamente
los procedimientos adecuados, buscando
la mejora continua
Shitsuke, la quinta S:
Disciplina

274
1. Los procedimientos correctos se han vuelto un hbito

2. Todos el personal han sido entrenado adecuadamente

3. Todos el personal ha hecho suyo el mtodo y lo aplican

4. El rea de trabajo esta bien ordenada y se manejan los
estndares

5. Se busca la mejora continua.
Importancia de la Disciplina:
275
Estandarizar (sistematizar) el comportamiento si
quieres buenos resultados

Hacer que todos participen y que hagan algo y
despus trabajar en la implantacin (5Ss 3, 5 o 10)

Hacer que cada quien sienta responsabilidad por lo
que hace

Asegurar que no falle la comunicacin, clarificar las
ideas y reconfirmar
Formacin de hbito
276
Existe en la mente y la voluntad de las personas y
solo su conducta muestra su presencia.

Es una actitud de intolerancia al
desorden, la falta de organizacin y
las prdidas.
La disciplina no es visible ni
Puede medirse, pero:
277
La oficina es una
Fabrica de papel
Las 5 Ss : En la oficina
278
279
Mantener una oficina ordenada, con trabajo en equipo
y papelera estandarizada

Hacer un programa de trabajo para cada empleado

Para el caso de proyectos, hacer visible en un pizarrn
en programa para que la gente sepa el estatus

Establecer un sistema (gavetas, folders, contenedores)
para que cualquier persona pueda identificar la fecha de
vencimiento de las tareas
Pasos para una oficina
Ms eficiente
280
Una sola localizacin para expedientes

Proceso de documentos en el mismo da

Juntas de una hora

Memos e E-Mail de una pgina

Llamadas telefnicas de un minuto

Guardar slo una copia del original

La campaa de
uno solo es mejor
281
La campaa de las 5 Ss
Promocin de Las 5 Ss
282
Es importante que el Director general tome el
liderazgo y que todos tomen parte en las 5 Ss

Las actitudes de los gerentes es clave, si no toman
con seriedad, nadie ms lo tomar, de ellos depende
el xito o fracaso de la campaa

No debe hacerse la labor de mantenimiento de las 5
Ss como algo cansado y sucio, por eso debe
efectuarse en etapas

Lo importante es empezar en 5Ss y mantener el
esfuerzo
Promocin de las 5 Ss
283
Planeacin y operacin
Organizacin promocional
Educacin
Juntas promocionales

Actividades paralelas
Posters de invitacin a participar
Temas del mes

Despliegue de las actividades de las 5 Ss en reas de
trabajo especficas
Documentacin
Implantacin
Promocin de las 5 Ss
284
Proyectos Kaizen
Organizarlos conforme sea apropiado

Entrenamiento tcnico
Tecnologa Kaizen
Entrenamiento inicial
Seguimiento al entrenamiento

Lanzamiento de equipos Kaizen y certificacin
Promocin de las 5 Ss
285
Fotografias (antes, durante y despus)

Poner etiquetas fosforescentes con la P en rea
con problema requiriendo atencin

Es importante llevar un registro de avances
(cantidades de fugas, etc.)

Museo de las cosas antiguas (mquinas y
herramientas)

Registrar los resultados de los proyectos Kaizen
Registros
286
Competencias


Patrullas y evaluacin cruzada


Uso de auditores y listas de verificacin
Diagnstico y Evaluacin
287
Pisos

Montacargas y carritos

Contenedores y cajas en trnsito

Equipos y maquinarias

Accesorios de aceite

Equipo de medicin
Lista de verificacin
288
Lugares de lubricacin

Medidores

Tuberas y cableado

Tableros de control

Mesas de trabajo

Avisos y administracin de las 5Ss
Lista de verificacin
289
290
Trabajo estandarizado
Es la forma ms eficiente de fabricar productos sin
desperdicio por medio de la mejor combinacin de
mtodos de trabajo.

Por estandarizacin se entiende:
Siempre seguir la misma secuencia de trabajo

Los mtodos totalmente estandarizados,
documentados y visibles

El material est colocado siempre en el mismo lugar

291
Estndar de trabajo
Su propsito de lograr un flujo perfecto de
proceso y estn determinados por:
Takt time
Ergonoma
Flujo de partes
Procedimientos de mantenimiento
Rutinas

El estndar de trabajo es la documentacin de
cada accin requerida para completar una tarea
especfica
292
Estndar de trabajo
Elementos de los estndares de trabajo operativos:
Tiempos de ciclo: requerido para hacer una parte,
comparado con el Takt time

Secuencia de trabajo: para producir una parte.
Tomar, mover, sostener, etc... incluyen tiempos,
layout y tabla de capacidades de mquina

Estndar de inventarios: inventario mnimo en
cada estacin para mantener un flujo continuo
293
Estndar de trabajo y Meta
294
Es bueno hacer las cosas bien la primera vez.
Es an mejor hacer que sea imposible hacerlas mal
desde la primera vez.
295
Poka Yoke o A Prueba de Error
Hacer que sea imposible el cometer errores
En Japn: Poka - Yoke de Shigeo Shingo
Yokeru (evitar) Poka (errores inadvertidos)

Una tcnica para eliminar los errores humanos y de
operacin
Tcnicas simples y efectivas para eliminar o al menos
reducir los defectos y los errores que los producen para
alcanzar calidad cero defectos
Mecanismo usado para evitar la ocurrencia de defectos o
errores

296
Oportunidades para error
297
Causas de los errores
Procedimientos incorrectos
Variacin excesiva en el proceso y Materias primas
Dispositivos de medicin inexactos
Procesos no claros o no documentados
Especificaciones o procedimientos no claras
Errores humanos mal intencionados
Cansancio, distraccin, etc.
Falla de memoria o confianza
298
Diferentes tipos de Errores
ERRORES
Accin
Intencional
Accin No
Intencional
Violacin
Equivocacin
Olvido Distraccin
A la Rutina
A la excepciones
Actos de sabotaje
En las reglas
No se siguen
Aplicacin equivocada
En el conocimiento
Diferentes formas
Fallas en la memoria
Omisin de planes
Intenciones olvidadas
Falta de atencin
Omisin
En el Orden
En el tiempo
Tipos de Error Bsicos
299
Acciones
correctivas
ante errores
humanos
300
Tcnicas Poka Yoke - A Prueba de Errores
Tcnica
CESE O
SUSPENSIN
DE ACTIVIDADES


CONTROL



ADVERTENCIA
Prediccin

Cuando un error est
por ocurrir

Los errores son
imposibles


Cuando algo est a
punto de fallar
Deteccin

Cuando un error o defecto
ya ha ocurrido

Los artculos defectuosos
no pueden moverse a la
siguiente operacin

Inmediatamente cuando
algo est fallando
301
Funciones bsicas de un Poka Yoke
Paro (Tipo A):
Cuando ocurren anormalidades mayores, evitan
cierre de la mquina, interrumpen la operacin.

En algunos casos el operador tiene disponibles
interruptores que paran el proceso total, si detecta
errores mayores

302
Cese o Suspensin de Actividades:
Prevencin y Deteccin
Prevencin:
Algunas cmaras no funcionan cuando
no hay luz suficiente para tomar fotos
Deteccin:
Algunas lavadoras de ropa, se apagan
cuando se sobrecalientan
303
Funciones bsicas de un Poka Yoke
Paro (Tipo A):
Cuando ocurren anormalidades mayores, evitan
cierre de la mquina, interrumpen la operacin.

En algunos casos el operador tiene disponibles
interruptores que paran el proceso total, si detecta
errores mayores

304
Advertencia: Prevencin y Deteccin
Prevencin:
Muchos autos tienen un sistema de alarma para alertar al
conductor de que no se ha abrochado el cinturn de
seguridad.

Deteccin:
Los detectores de humo alertan cuando se detecta
humo y es posible que se haya iniciado un fuego.
305
Mecanismos de deteccin usados en Poka Yokes o A
Prueba de Error
Mtodos de contacto (microswithches)

Mtodos sin contacto (sensores)

Mtodos de valor fijo de movimientos (contadores)

Mtodos de movimientos predeterminados

306
307
Cuando no se pueda realizar A Prueba de Errores
Use colores y cdigos de color
Vouchers de tarjeta de crdito (el cliente retiene la
copia amarilla, el comerciante la blanca)

Use formas
Guarde diferentes tipos de partes en diferentes
recipientes de moldes

308
Cuando no se pueda realizar A Prueba de Errores
Autodeteccin
Revisin de ortografa en la computadora

Haga que sea ms fcil hacer bien las cosas
Listas de verificacin
Formatos efectivos para recopilacin de datos
Smbolos
Jerarqua en la Prueba de Error
Eliminar la posibilidad de
errores




Hacer obvio que un error
ocurrir



Hacer obvio que un error ha
ocurrido
1
2
3
Diseo










INSPECCION
310
1.Describir el defecto
Mostrar la tasa de defectos; Formar un equipo de
trabajo

2. Identificar el lugar donde:
Se descubren los defectos; Se producen los defectos

3. Detalle de los procedimientos y estndares de la
operacin donde se producen los defectos
Metodologa de desarrollo de Poka Yokes
311
4. Identificar los errores o desviaciones de los
estndares en la operacin donde se producen los
defectos
5. Identificar las condiciones donde se ocurren los
defectos (investigar)

6. Identificar el tipo de dispositivo Poka Yoke requerido
para prevenir el error o defecto
7. Desarrollar un dispositivo Poka Yoke
Metodologa de desarrollo de Poka Yokes
312
Proceso de A Prueba de Error
Hacer un AMEF de
proceso para
Manufactura
Identificar todos los
errores potenciales
Identificar
caractersticas de
diseo que pueden
eliminar el error
Redisear para
eliminar la posibilidad
de error
Redisear para hacer
obvio que ocurrir un
error
Redisear para hacer
obvio que ha ocurrido
un error
Revisar el diseo para
detectar errores
potenciales en
Manufactura y
Ensamble
o
o
1
2
3
313
Manufactura celular y Kanban
314
Empujar vs jalar
Empujar
Se basa en
pronsticos
Fabricar el producto
independientemente
si la siguiente
operacin lo requiere

Jalar
Se basa en el uso real del
cliente
Slo producir cuando los
productos se consumen
315
Kanban
Kanban = Seal, signo

Punto de rerden cuando reabastecer al
supermercado

Cantidad de la orden cantidad a reabastecer al
supermercado
316
Propsitos del Kan Ban
Mejorar la comunicacin entre procesos
Producir en base a las condiciones actuales no en
pronsticos

Prevenir produccin en exceso
Controlar los inventarios

Establecer prioridades de abastecimiento
Mostrar restricciones (cuellos de botella) que puedan
ser atendidos por Kaizen
317
Propsitos del Kan Ban
Hacer visible el flujo de materiales
Mostrar localidades de almacenamiento y entrega

Mostrar las cantidades estndar y tipo de contenedor
Mostrar mtodo o frecuencia de transporte

Pizarrones de programa muestran estatus de
produccin
Mantener involucrada a la gente en procedimientos
estandarizados


318
Prerrequisitos del Kanban
Suavizacin de la produccin Programa maestro

Nivelar la carga del programa Cambios rpidos

Equipo capaz Mantenimiento Productivo Total
tiempos muertos y defectos mnimos

Organizacin adecuada de planta con Las 5Ss
Lay Out y distribucin de planta adecuada

Entregas confiables de proveedores y cero defectos
Trabajo estandarizado
319
Sistemas tradicionales
de manufactura de empujar
Invisibilidad de problemas, distribucin por
departamentos

Desconexin del trabajo que agrega valor de la
demanda

No incentiva el trabajo de equipo, se incentiva el
volumen y utilizacin al mximo de los recursos
humanos / equipos

Acumula inventarios innecesarios y se avanzan
productos con faltantes de partes
320
Depto. A
Mquinas
A
Depto. B
Mquinas
B
Depto. C
Depto. D
Empaque
E
Inspeccin
Inventario
Productos
Terminados
(200)
Materias
primas
WIP
WIP
WIP WIP
WIP
Retrabajos
WIP
Qu avance de proceso
Tiene el producto M003?
SISTEMA DE EMPUJAR
321
Sistema de Manufactura
de Jalar Kan Ban
Procesos de produccin disparados por la demanda
del cliente, distribucin en Celdas Mfra.

Abastecimiento en el lugar de uso disparado por la
demanda, directamente de proveedores

Empleados multihabilidades, capacitados y con poder
de decisin operativa

Se apoya y reconoce el trabajo de equipo
322
323
324
325
Embarque
Productos
Terminados
(200 en
5 familias)
Qu avance de proceso
Tiene el producto M003?
SISTEMA DE JALAR
Celda de Mfra.
Para la familia M
Celda de Mfra.
Para la familia N
Cuadros
Kanban
Celdas de Manufactura
En U
Proveedor
EDI
Todo lo necesario para el
producto M est integrado aqu
Cliente
326
Empujar vs jalar
Empujar
Se basa en pronsticos
Fabricar el producto
independientemente si la
siguiente operacin lo
requiere

Jalar
Se basa en el uso real del
cliente
Slo producir cuando los
productos se consumen
327
FABRICACIN
LNEA DE ENSAMBLE
1.- Cuando se vaca un
contenedor el Kanban de
produccin se coloca en el buzn
2.- El Kanban es llevado al
tablero de programacin del
proceso anterior.
BZON
TABLERO
3.- Los Kanban son recibidos y puestos
en el tablero de programacin en el
orden en que se van recibiendo
4.- Las herramientas se van preparando en
el orden de recibo de los Kanban y se
produce en la misma secuencia de recibo.
5.- Despus de producir la cantidad de
piezas especificadas se coloca el Kanban y
se lleva a la localizacin indicada
Kanban de produccin. Tarjeta sencilla
328
B A
LNEA DE ENSAMBLE
1.- Las piezas se consumen del
contenedor A hasta que se vace.
BUZON
2.- Cuando el
contenedor A est
vaco se toma el
Kanban y se lleva al
buzn
ALMACEN
SUPERMERCADO
3.- En un ciclo establecido, el
movedor de materiales revisa el
buzn, toma el Kanban y procede a
su localizacin en el almacn
especificado en el Kanban
4.- Se pone el Kanban
en contenedor lleno
5.- El contenedor lleno es entregado
a la localizacin en la lnea
especificada. El contenedor vaco A
es reemplazado por
el contenedor lleno.
CONSUMO
INICIO
Kanban de movimiento:
2 Contenedores - autorizacin de movimiento
329
Sistema de seales visuales que facilitan al personal
en la planta identificar las operaciones o
movimientos a realizar sin procedimientos
sofisticados
Flujo del proceso
Cuadros Kan Ban
Flujo de las tarjetas
Proceso
A
Proceso
B
Proceso
C
Proceso
D
Proveedor
Cliente
Tablero de avisos electrnico
330
Reglas Bsicas del Kanban
1. El proceso siguiente viene a retirar slo lo que
necesita


2. Producir slo para reponer lo que retira el
siguiente proceso


3. No enviar productos defectuosos a la siguiente
operacin
331
Reglas Bsicas del Kanban
4. Las partes no deben ser producidas o
transportadas si no hay tarjeta de Kanban


5. Todo contenedor de partes est Estandarizado,
debe tener anexa una tarjeta de movimiento o
produccin


6. El nmero real de partes en el contenedor debe
coincidir con la cantidad en la tarjeta Kanban
332
333
334
335
336
Plan para reducir tiempo de ciclo
Hacer un mapa de la cadena de valor en procesos
administrativos y de manufactura

Determinar el tiempo requerido por cada paso en
el proceso

Revisar reas de oportunidad de reduccin de
tiempo y distancia

Identificar las restricciones y hacer planes para
eliminarlas o administrarlas
337
Plan para reducir tiempo de ciclo
Establecer mtricas de duracin y frecuencia de
los tiempos de ciclo dentro del proceso

Una vez implementada la mejora, monitorearla

Repetir este proceso para otras operaciones
ineficientes

338
339
La cadena de valor
Son todas las actividades que la empresa debe
realizar para disear, ordenar, producir, y entregar
los productos o servicios a los clientes.

La cadena de valor tiene tres partes principales:
El flujo de materiales, desde la recepcin de
proveedores hasta la entrega a los clientes.

La transformacin de materia prima a producto
terminado.

El flujo de informacin que soporta y dirige tanto
al flujo de materiales como a la transformacin de
la materia prima en producto terminado.
340
La cadena de valor
Beneficios del Mapeo de la cadena de valor
Ayuda a visualizar el flujo de produccin; las fuentes
del desperdicio o Muda
Suministra un lenguaje comn sobre los procesos de
manufactura y Vincula los conceptos ytcnicas Lean
Forma la base del plan de ejecucin, permitiendo
optimizar el diseo del flujo de puerta a puerta
Muestra el enlace entre el flujo de informacin y el
flujo de material
Permite enfocarse en el flujo con una visin de un
estado ideal o al menos mejorado
341
Flujo de informacin
Adems del flujo de materiales en el proceso de
produccin, se tiene otro flujo que es el de
informacin que indica a cada proceso lo que debe
producir o hacer en el paso siguiente. Son dos caras
de la misma moneda y se deben trazar ambos.
342
343
Mapa incluyendo tiempos de ciclo y
tiempo de entrega
344
345
Lean para reduccin del tiempo
de preparacin y ajuste, SMED
Necesidad de producir Lotes pequeos de una
gran variedad de productos

Analoga con lo que sucede en los Pits

SMED - Single Minute Exchange of Die (Shigeo
Shingo)

Objetivo del SMED: Reducir el tiempo de
preparacin y ajuste, desde la ltima pieza de
producto anterior hasta 1a. Pieza del nuevo
346
Hay tipos de preparaciones internas y externas

Preparacin interna (IED)
Operaciones realizadas con mquina parada

Preparacin Externa (OED)
Operaciones realizadas con la mquina
operando

Propsito: Convertir operaciones Internas a
externas (filmar, analizar, cambiar)
Lean para reduccin del tiempo
de preparacin y ajuste SMED
347
Cambios rpidos
Do - Identificar reas de oportunidad de mejora.
Mquina con tiempos de preparacin o ajuste
largos, fuente frecuente de errores, accidentes o
crtico para la produccin

Plan Documentar el proceso de preparacin
Lista de todas las actividades y pasos requeridos
para la preparacin o ajuste, registrando su
duracin y Muda

Plan Identificar todas las operaciones internas y
externas
348
Cambios rpidos
Do convertir tantas operaciones internas en
externas como sea posible
Precalentamiento, estandarizacin de partes. Etc.
Administracin visual, Poka Yokes
Actividades concurrentes
Mtodos de una vuelta

Do Reducir los tiempos de los procesos externos
Inventarios de partes a la mano
Plan - Crear un nuevo mapa del proceso
Do Probar los cambios y Actuar si es necesario

349
Programa de trabajo
350
351
352
353
Lean y los inventarios
Los inventarios cubren a los problemas
Problemas
Nivel de inventarios
Ineficiencias, desperdicios, retrabajos, t. muertos
354
Lean y la Gestin de Restricciones
Se bajan los inventarios para forzar el sistema
Se identifican las restricciones
Se rompen las restricciones enfocando los recursos
Se repite el proceso en forma paulatina
Problemas
Nivel de inventarios
355
Lean y velocidad de flujos
Un menor inventario en proceso (WIP) aumenta la
velocidad de proceso

El volumen por unidad de tiempo a travs de un
proceso aumenta conforme se reduce el WIP

Analoga de las Rocas en la analoga de la
corriente (ver esquema)
356
Inventario vs Velocidad
Volumen 10,000 lts. 100 lt/min.
Volumen 500 lts. 100 lt/min.
357
358
359
Distribucin de planta celular
Distribuciones de planta departamentales:
Procesos escondidos

Distribuciones de planta en base al flujo: Procesos
visibles

Cambiar departamentos a Celdas de manufactura


360
La planta escondida
Fabricacin
Inspeccin

Empaque

Embarque

Desperdicio
Retrabajo
Re
Inspeccin
!! Eliminar
esta planta
escondida !!
Y.tp=Rend. Antes de retrabajo=37% Y.final=90% Rend. con retrabajo
361
362
363
Visualizando los procesos
Diagrama de flujo del proceso
Rutas de manufactura

Identificacin de las operaciones que agregan
valor

Identificacin de las actividades entre operaciones
que no agregan valor
364
365
Preguntas del estado futuro
1. cul es el Takt time?
2. Se fabrica para inventario o supermercado?
3. Se puede usar flujo continuo?

4. dnde se puede usar el sistema de jalar de
supermercado?
5. En que punto de la cadena de valor se dispara la
produccin?
6. Cmo se puede nivelar la produccin?
7. Qu mejoras al proceso sern necesarias?


366
367
Supermercados
Los supermecados son controlados en Inventarios
Pensar en un estante de supermercado:

Cuando no est lleno, debe llenarse

Cuando est lleno, se para la produccin

368
Nivelacin del volumen
369
Nivelacin de mezcla pobre
Qu decirle al cliente D si quiere partes el lunes?
Qu sucede si el cliente A llama la tarde del lunes y cancela su
pedido?

370
Nivelacin para mejorar mezcla
Requiere
Mayor flexibilidad
Mayor calidad
Menor inventario

371
372
373
10 Preguntas para el estado
futuro
1. Cules son las necesidades de clientes internos y
externos?

2. Cules pasos del proceso agregan valor y cuales no?

3. Cul es la frecuencia y mtodo de verificacin de
desempeo?

4. Cmo se puede mantener un flujo continuo?

5. Cmo controlar el trabajo en las interrupciones?


374
10 Preguntas para el estado
futuro
6. Cmo se balancean las cargas de trabajo?

7. Cmo se puede dar prioridad al trabajo?

8. Cul es el impacto de las actividades, volumen de
trabajo y mejoras?

9. Qu otros procesos de soporte se requieren?

10. Qu mejoras al proceso son necesarias?

375
376
Mejoras medibles del ejemplo
Tiempo de espera de 40 a 7 das

Tiempo de ciclo de 105 seg. A 91 seg.
Inventarios de 10,700 piezas a 1,855 pzas.

Eventos Kaizen
Tiempo de preparacin en Estampado
Confiabilidad del rebabeado
Calidad de la soldadura por punto
377
Mejoras medibles del ejemplo
Otros beneficios
Operadores en celdas con capacitacin cruzada
Mayor flexibilidad
Menos defectos y tiempo de espera = Clientes
satisfechos

Bucles de la cadena de valor
Un elefante se come en pedazos


378
Nmero de bucles
Hacerlo manejable
Ni muy pocos, ni muchos

Buscar rupturas lgicas
Regla: 3 7 bucles

Recordar los puntos para hacerlo ms fcil para
implementacin
379
380
381
382
1. Observar el proceso actual y el tiempo que
toman las operaciones

2. Analizar el proceso actual

3. Generar ideas para eliminar desperdicios e
implementar una nueva secuencia de trabajo.

- Herramientas de anlisis de problemas.

- Revisar el plan y la nueva secuencia de trabajo

El procedimiento Kaizen (1-5 D)
383
4. Implementar un plan revisado

5. El supervisor / operador verifican la secuencia del
trabajo:

- Correr una produccin completa y validar


6. Documentar la nueva operacin estndar

7. Repetir el Ciclo
El procedimiento Kaizen
384
Ejemplo de proyecto Kaizen
385
Pasos del Kaizen
Definicin del problema, alcance y metas
Formar y capacitar al equipo Kaizen
Colectar datos: timepos, takt time, trabajo estandarizado
Tormenta de ideas: colectar ideas en todos los turnos

Identificar prioridades
Probar las ideas
Verificar resultados
Modificar el Lay Out

Revisar y actualizar los estndares de trabajo
Revisar planes de accin y revisar prioridades
Reportar a la administracin
Implementar

Reconocer al equipo
Seguimiento: Plan de accin, aceptacin del cambio, lay out
Hacer que el Kaizen sea una forma de vida
Medir el desempeo del Kaizen
386
387
Teora de restricciones
Eliyahu Goldratt (1986) escribe La Meta describiendo
un proceso de mejora continua

La Gestin de restricciones se enfoca a remover los
cuellos de botella del proceso que limita el throughput
(mxima utilidad)

Las restricciones pueden hallarse con un mapa del
proceso, diagrama PDPC y Diagrama de rbol
388
Teora de restricciones
Hay dos tipos de restricciones

Restricciones fsicas referidas al mercado, el sistema
de manufactura (mquinas, personal, instalaciones) y
la disponibilidad de insumos

Restricciones de polticas que se encuentran atrs de
las fsicas como polticas, procedimientos, sistemas
de evaluacin y conceptos

389
Teora de restricciones
Las mtricas bsicas son:
Throughput: es la tasa a la cual el sistema genera
dinero a travs de las ventas. Dinero que ingresa.

Inventarios: es todo el dinero invertido en el sistema
en cosas compradas para vender. Dinero utilizado.

Costos de operacin: es el dinero que el sistema usa
para transformar el inventario en throughput. Dinero
que sale.


390
Teora de restricciones
TOC es una metodologa de gestin, desarrollada por
el Dr. Eliyahu Goldratt con el propsito de maximizar
las utilidades, hoy y en el futuro, al:

Maximizar las ventas (throughput), para asegurar la
participacin en el mercado
Reducir los inventarios (costo de los materiales en
planta)
Minimizar los gastos de operacin (gastos erogados
para transformar inventario en throughput). Incluye
todos los costos para la produccin.
391
Teora de restricciones
Los cuellos de botella (restricciones) que determinan
la salida de la produccin son llamados Drums
(tambores), ya que ellos determinan la capacidad de
produccin (llevando el ritmo).

Se usa el mtodo Drum-Buffer-Rope (Tambor -
Inventario de Proteccin - Soga) como aplicacin de
la Teora de las Restricciones a las empresas
industriales.
392
Drum Buffer - Rope
393
Teora de restricciones
Otras definiciones:

Los Recursos Cuello de botella tienen una capacidad
menor o igual que la demanda asignada a estos.

El balance de flujo de prestacin del servicio debe ser
hecho contra la demanda del cliente.
394
Teora de restricciones
395
Eliminacin de restricciones fsicas:
Mtodo de los cinco pasos
Proceso de Focalizacin para eliminar restricciones:
1. IDENTIFICAR LA RESTRICCIN: una restriccin es
una variable que condiciona un curso de accin del
sistema que limitan el logro de objetivos, darles
prioridad por su impacto, .

2. EXPLOTAR LAS RESTRICCIONES: implica buscar la
forma de obtener la mayor produccin posible de la
restriccin, asignarle recursos sobrantes de otras
reas.
396
Eliminacin de restricciones fsicas:
Mtodo de los cinco pasos
3. SUBORDINAR TODO A LA RESTRICCIN: todo el
proceso debe funcionar al ritmo que marca la
restriccin (tambor)

4. ELEVAR LAS RESTRICCIN: implica agregar recursos
para aumentar la capacidad de la restriccin. Por
ejemplo, tercerizar.

5. SI EN LAS ETAPAS PREVIAS SE ELIMINA UNA
RESTRICCIN, BUSCAR NUEVAS RESTRICCIONES

AL PASO a): para trabajar en forma permanente con las
nuevas restricciones que se manifiesten.
397
Modelo Drum Buffer - Rope
El Drum (tambor) se refiere a los cuellos de botella
(recursos con capacidad restringida - CCR) que
marcan el paso de toda la empresa


El Buffer es un amortiguador de impactos basado en
el tiempo, que protege al throughput (ingreso de
dinero a travs de las ventas) de las interrupciones
del da a da (atribuidas al Sr. Murphi) y asegura que
el Drum (tambor) nunca se quede sin insumos
398
Modelo Drum Buffer - Rope
"Rope-lenght" (longitud de la soga) es el tiempo de
preparacin y ejecucin necesario para todas las
operaciones anteriores al Drum, ms el tiempo del
Buffer.

399
Eliminacin de restricciones polticas
400
Teora de restricciones
Evaporando nubes:
Frecuentemente existen soluciones simples para problemas
complejos, reexaminar los fundamentos del problema

rboles de prerrequisitos:
Algo debe ocurrir antes de que algo adicional ocurra. La T.R.
Permite la transicin entre la forma anterior de hacer las
cosas y la nueva forma
401
Apoyo de las tecnologas de

Informacin y comunicaciones

En la gestin de Informacin
402
Propsito
Familiarizar al participante con las nuevas tecnologas
electrnicas y de comunicaciones enfocadas a reducir
los tiempos de respuesta y costos en la gestin de la
informacin de la empresa

Realizar prcticas con estas nuevas tecnologas
403
Contenido
Gestin de Informacin / ERP

Comunicaciones por EDI

Negocios electrnicos por Internet

404
Sistemas MRP II
DEFINICIN DEL MRP II
Sistema de planeamiento y control de la produccin
totalmente integrado de todos los recursos de
manufactura de la compaa (produccin, marketing,
finanzas e ingeniera) basado en un soporte
informtico que responde a la pregunta: QU PASA
S ... ?
405
Beneficios aplicando el MRP II

Reduccin substancial en el tiempo de obtencin de la
produccin final.

Incremento de la productividad con menores costos.

Mayor rapidez en la entrega y mejor respuesta a la
demanda del mercado.

Posibilidad de modificar rpidamente el programa
maestro de produccin ante cambios no previstos en la
demanda.

406
Qu es un ERP?
Se refiere a un paquete informtico que cubre de
forma parcial o total las reas funcionales de la
empresa y permite coordinar las actividades.


La gama de funciones que cubren los ERP son:

Contabilidad
Finanzas
Administracin de rdenes de venta
Logstica
Produccin
Recursos humanos
407
SISTEMAS DE GESTION EMPRESARIAL
DEL MRP AL ERP
408
Por qu invertir en un sistema ERP?
Reduccin de dudas concernientes a la veracidad de
la informacin .

- Mejoramiento de la comunicacin entre reas de
produccin.

- Reduccin de duplicacin de la informacin.

- Provee una eficiente integracin de los procesos
comerciales.

409
Integracin de los sistemas de
gestin empresarial

Gestin de la cadena de suministros (Supply Chain
Management) que es intercambio de informacin y contenidos
por todos los agentes implicados en un canal logstico, desde las
materias primas hasta los productos terminados.

Los sistemas EDI (Electronic Data Interchange) ha
proporcionado distintas posibilidades para conectar los sistemas
de gestin entre empresas

Utilizan lo que se conoce como soluciones B2B (Bussiness to
Bussiness) y B2C (Bussiness to Consumer, b to c).


410



Soluciones para la comunicacin de un sistema ERP con distintos
agentes del entorno de una empresa
Comunicaciones del ERP
411
Comunicaciones por Intercambio

Electrnico de Datos EDI - UNIFACT
412
EDI
Transferencia de datos estructurada por
estndares de mensajes acordados, entre dos
computadoras por medios electrnicos UNIFACT

Uso en transacciones regulares en formato
estndar:
Orden, envo, liberacin, factura, pago

Ejemplos:
JIT Automotrz, Supermercados, Salud UK, etc.
413
EDI - Beneficios
Reduccin de tiempo de ciclo de
orden

Reduccin de costos

Eliminacin de errores

Respuestas rpida

Facturacin exacta y pago por EDI
414
EDI VANs
Privacidad
Proteccin por ID y Password
Seguridad
Mensajes de control, enciptado, firmas digitales,
mensaje no se pierda

Confiabilidad
Disponibilidad del hardware y software

Almacenamiento de mensajes y registro de auditora
Validacin de mensajes contra estndares

415
Esquemas de negocio B2C y B2B
416
Requerimientos de los clientes
Rapidez en servicio y entregas

Comodidad de compra

Trato individual

Precio adecuado y alta calidad

Preguntarn Qu has hecho por m ltimamente?
417
Beneficios a las organizaciones
Expande los negocios al mbito nacional e
internacional

Reduce los costos de crear, procesar, distribuir,
almacenar y recuperar informacin basada en papel

Capacidad para crear negocios altamente
especializados (www.dogtoys.com www.cattoys.com)

Permite la operacin de cadenas de valor en modo
Pull iniciando con la orden del cliente en JIT
418
Beneficios a los consumidores
Les permite comprar las 24 horas durante 365 das
desde cualquier parte

Permite tener muchas alternativas de proveedores y
productos, con informacin instantnea, comparando
precios y condiciones

Para productos digitalizados la entrega es rpida

Permite a los consumidores que interacten con otros
consumidores
419
Beneficios para el consumidor
Seccin de preguntas y respuestas ms comunes
en Web

Despliegue de la informacin de pedidos y
requisitos

El cliente puede dar seguimiento en lnea

Permite interactuar con entidades del gobierno
(SAT, IMSS, etc.)



420
Limitaciones de los Negocios
Electrnicos - Tcnicas
Falta de seguridad, confiabilidad y algunos
estndares
Insuficiente ancho de banda de telecomunicaciones

Herramientas de desarrollo de software todava en
evolucin

Dificultades para integrar el software de comercio
electrnico con los sistemas operativos normales en
la empresa

Los proveedores requieren servidores Web y redes
421
Limitaciones de los Negocios
Electrnicos No tcnicas
Altos costos internos de desarrollo y falta de
experiencia
Seguridad y privacidad en ambientes B2B

Falta de confianza y resistencia del consumidor, no
conoce a los vendedores ni sus instalaciones fsicas

Vacos legales y falta de regulaciones; falta de
servicios de soporte; falta de masa crtica de
consumidores en algunas reas; puede resultar en
ruptura de las relaciones humanas; falta de acceso al
Internet
422
La Web y los negocios
electrnicos
Sirve para atraer nuevos clientes con mercadotecnia
y publicidad

Mejor atencin de clientes por servicio y soporte
remoto

Interaccin con clientes y bsquedas de
informacin

Nuevas formas de relaciones con el cliente

Acceso a informacin del gobierno
423
La Web y los negocios
electrnicos
Desarrollo de nuevos mercados y canales de
distribucin para productos existentes
Peridicos y revistas on line
Distribucin de software
Muestras de msica y juegos

Desarrollo de productos basados en la informacin

Bsqueda de personas, negocios, objetos
(switchboard)
424
Modelo de negocios B2C
425
Pgina Web: Front End
Productos

Contenido con ergonoma

Facilidades al proveedor

Facilidades al cliente

Facilidades de registro y publicidad
426
Sistemas de apoyo: Back End
Bases de datos SQL, DB2, etc. relacionales

Sistemas de transacciones
Aspectos legales y conectividad

ERP (SAP, Oracle,People Soft)

EDI (AIAG, UCS)

Sistemas propios (API)
427
Business To Business
Implica que vendedores y compradores son
corporaciones de negocios.
Permiten que un negocio establezca relaciones
electrnicas con sus distribuidores, revendedores,
proveedores y otros socios.

Sectores donde se utiliza B2B:
Computadoras, electrnicos, utilidades y
aplicaciones (software), embarques, almacenes,
vehculos, petroqumica, papelera y productos para
oficina, alimentos y agricultura son algunos de los
sectores en donde ms se utiliza el B2B.


428
B2B, informacin ofrecida
Productos: Especificaciones, precios e histrico de
ventas

Clientes: Histrico y pronstico de ventas

Proveedores: Productos en lnea, tiempos de entrega,
trminos y condiciones de venta

Produccin: Capacidades, compromisos, planeacin

Transportacin: Lneas de transporte, tiempos de
entrega, costos
429
B2B, informacin ofrecida
Inventario: Niveles de inventario, localizacin

Alianza en la cadena de suministros: Contactos clave,
roles de los socios, responsabilidades, horarios,
medidas de desempeo

Competidores: Benchmarking, ofertas de productos
competitivos, mercado compartido

Ventas y Mercadotecnia: Puntos de venta,
promociones

430
B2B, ventajas
Reduccin de Costos operativos y administrativos de
la empresa.

Administracin en lnea de la informacin de Clientes,
Contactos, Ventas, Ingresos, Pagos, Proveedores,
etc.
Difusin Universal en horarios continuos

Poco personal con alto rendimiento
Estructura Organizacional Plana
431
B2B, desventajas
Trato impersonal
Las Generaciones ms recientes son las ms
involucradas, por lo cual, es elitista generacional.

Es tan rpido en su velocidad de respuesta, que
elimina en corto plazo a las empresas que en su
estructura organizacional son lentas y burocrticas,
por lo cual les es difcil competir.

Inversin constante en la actualizacin de su pgina
electrnica, tiempo de vida visual electrnico muy
corto.
432
B2B, conclusiones
Los Negocios electrnicos son indispensables entre
las empresas.

Su efectividad ha cambiado la forma de hacer
negocios.

Velocidad de Respuesta (Justo a tiempo)

Las Estructuras Organizacionales se han aplanado

Provee soluciones para los negocios
tica en los negocios

433
Esquemas de negocio B2C y B2B
434
Tcnicas de creatividad
435
Tormenta de ideas
Permite obtener ideas de los participantes
436
SCAMPER
Sustituir, Combinar, Adaptar, Modificar o ampliar,
Poner en otros usos, Eliminar, Revertir o re arreglar

Involucrar al cliente en el desarrollo del producto
qu procedimiento podemos sustituir por el actual?
cmo podemos combinar la entrada del cliente?
Qu podemos adaptar o copiar de alguien ms?
Cmo podemos modificar nuestro proceso actual?
Qu podemos ampliar en nuestro proceso actual?
Cmo puede apoyarnos el cliente en otras reas?
Qu podemos eliminar en la forma de inv. Del cliente?
qu arreglos podemos hacer al mtodo actual?
437
Lista de atributos
Lista de atributos: Dividir el problema en partes
Lista de atributos para mejorar una linterna
Componente Atributo Ideas
Cuerpo Plstico Metal
Interruptor Encendido/Apagado
Encendido/Apagado
/luminosidad media
Batera Corriente Recargable
Bombillo de Vidrio Plstico
Peso Pesado Liviano
438
Anlisis morfolgico
Conexiones morfolgicas forzadas
Ejemplo: Mejora de un bolgrafo
Cilindrico Material Tapa
Fuente de
Tinta
De mltiples
caras
Metal Tapa pegada Sin repuesto
Cuadrado Vidrio Sin Tapa Permanente
En forma de
cuentas
Madera Retrctil
Repuesto de
papel
En forma de
escultura
Papel
Tapa
desechable
Repuesto
hecho de tinta
439
Los Seis Sombreros de pensamiento
Dejemos los argumentos y propuestas y miremos
los datos y las cifras.
Exponer una intuicin sin tener que justificarla

Juicio, lgica y cautela

Mirar adelante hacia los resultados de una accin
propuesta

Interesante, estmulos y cambios

Visin global y del control del proceso

440
Dividir y analizar
Dividir un problema en partes pequeas y analizarlas por
separado: (Vendedor de pescado no ofreca el sabor de pez
fresco)

El Pez:
Vive bajo el agua; tiene agallas; se mueve constantemente;
de sangre fria; cambia su color fuera del agua

Solucin:
Se coloc un pequeo tiburn en la pecera para que el pez
conservara sus atributos vitales de frescura

441
Pensamiento forzado
con palabras aleatorias
Crear nuevos patrones de pensamiento y forzar a ver
relaciones donde no las hay.

Desarrollar ideas efectivas de lanzamiento de
productos: Impermeables
Protegen de los elementos productos simples
Son a prueba de agua productos laminados
Son de hule flexibles flexibilidad de distribucin
Tienen bolsas productos de bolsillo
Tienen capote publicidad amplia territorial


442
Listas de verificacin
Haga Preguntas en base a las 5W 1H.

Por qu es esto necesario?
Dnde debera hacerse?

Cundo debera hacerse?
Quin lo hara?

Qu debera hacerse?
Cmo debera hacerse?

443
Mapas mentales
Se inicia en el centro de una pgina con la idea
principal, y trabaja hacia afuera en todas direcciones,
produciendo una estructura creciente y organizada
compuesta de palabras e imgenes claves

Organizacin; Palabras Clave; Asociacin;
Agrupamiento

Memoria Visual: Escriba las palabras clave, use colores,
smbolos, iconos, efectos 3D, flechas, grupos de palabras
resaltados.
Enfoque: Todo Mapa Mental necesita un nico centro.



444
TRIZ
Hay tres grupos de mtodos para resolver problemas
tcnicos:

Varios trucos (con referencia a una tcnica)

Mtodos basados en utilizar los fenmenos y efectos
fsicos (cambiando el estado de las propiedades fsicas
de las substancias)

Mtodos complejos (combinacin de trucos y fsica)
445

TRIZ 40 herramientas
Segmentacin
Extraccin
Calidad local
Asimetra
Combinacin/Consolidacin
Universalidad
Anidamiento
Contrapeso
Contramedida previa
Accin previa
Compensacin anticipada
Accin parcial o excesiva
Transicin a una nueva dim.
Vibracin mecnica
Accin peridica
Continuidad de accin til
Apresurarse
Convertir lo daino a benfico
Construccin Neumtica o
hidrulica
Membranas flexibles de capas
delgadas
Materiales porosos
446
TRIZ 40 herramientas
Equipotencialidad
Hacerlo al revs
Retroalimentacin
Mediador
Autoservicio
Copiado
Disposicin
Esferoidicidad
Dinamicidad

Cambio de color
Homogeneidad
Rechazar o recuperar partes
Transformacin de
propiedades
Fase de transicin
Expansin trmica
Oxidacin acelerada
Ambiente inerte
Materiales compuestos

447
Generar y evaluar las soluciones
Generar soluciones para eliminar la causa raz o
mejora del diseo

Probar en pequeo la efectividad de las soluciones

Evaluar la factibilidad, ventajas y desventajas de
cada una de las diferentes soluciones, con un
diagrama de rbol
Por cada causa raz generar varias soluciones ver
sus ventajas, desventajas, factibilidad, impacto y costo
448
Generar y evaluar las soluciones
Realizar una definicin analtica y seleccin
cuantitativa de las alternativas de solucin, adems
de analizar y evaluar cada una de ellas.

Hacer un plan de implementacin de las soluciones
(Gantt o 5W 1H)
449
Implantacin de soluciones
PUNTO CRITICO
ACTIVIDADES
* Realizar las medidas como se habian acordado * Antes de aplicar las medidas correctivas
* Verificar si no hay efectos secundarios * Probar las ideas de mejora, investigar efectos
* Dar capacitacion y entrenamiento. secundarios que puedan afectar al producto o reas*
Los equipos implantan las acciones correctivas y despus poner en prctica las soluciones.
* Obtener la aprobacin de las reas relacionadas, turno o puesto, Jefe inmediato etc. Es decir,
Comunicar a todos los involucrados de la mejora a realizar.

EJ EMPLO 1
LISTADO DE LAS MEDIDAS CORRECTIVAS
NO
CUANDO
A QUE? - COMO?
DONDE RESUL
TADO
JUICIO QUIEN
TOPE PROC. DE
LIMPIEZA
1
2
JULIO 97
JULIO 97
BARRA DE
APLICACION
PARA LOS
MOLDES
AUNQUE SE DA
EFECTO
NO ES PERSISTENTE
EXISTE POCO
DEFECTO
J. PREZ
L.TORRES
450
Calendario de las actividades
qu? por qu? cmo? cundo
?
dnde
?
quin?
1
Tacogenerador
de motor
embobinador
1.1 Por variacin de
voltaje durante el
ciclo de cambio
1.1.1 Tomar dimensiones de ensamble entre
coples.
1.1.2 Verificar estado actual y
especificaciones de escobillas.
1.1.3 tomar valores de voltaje de salida
durante el ciclo de cambio.
Abril 04 1804
Embob.
J. R.
2 Sensor
circular y de
velocidad de
linea.
2.1 Por que nos
genera una varin en
la seal de referencia
hacia el control de
velocidad del motor
embobinador
2.1.1 Tomar dimensiones de la distancia
entre poleas y sensores.
2.1.2 Tomar valores de voltaje de salida de
los sensores.
2.1.3 Verificar estado de rodamientos de
poleas.
Abril 04 1804
Embob.
U. P.
3 Ejes
principales de
transmisin.
3.1 Por vibracin
excesiva durante el
ciclo de cambio
3.1.1 Tomar lecturas de vibracin en
alojamientos de rodamientos
3.1.2 Comparar valores de vibraciones con
lecturas anteriores.
3.1.3 Analizar valor lecturas de vibracin
tomadas.
Abril04 1804
Embob.
F. F.
4 Poleas de
transmisin de
ejes
embobinadores
.
4.1 Puede generar
vibracin excesiva
durante el ciclo de
cambio.
4.1.1 Verificar alineacin, entre poleas de
ejes principales y polea de transmisin del
motor.
4.1.2 Tomar dimensiones de poleas(dientes
de transmisin).
4.1.3 Tomar dimensiones de bandas (dientes
de transmisin)
4.1.4 Verificar valor de tensin de bandas.
Abril04 1804
Embob.
J. R.
U. P.
451
Implantacin de soluciones
15 GUOQCSTORY.PPT
452
Prueba e implantacin de soluciones
Probar las soluciones investigando los efectos
secundarios que puedan afectar a otras reas y
despus ponerlas en practica.

Planear la implantacin de las alternativas
seleccionadas.

Ejecutar las acciones del plan de acciones,
comprobando su efectividad con: diagramas, fotos,
cartas de control, Paretos, histogramas, etc.
453
1. Actions
2. Responsibilities
3. Schedule
4. Cost/Benefit Analysis
5. Measures
6. Risk Assessment
7. Contingency Plan
8. Change Strategy
9. Communication Plan
10. Education Plan
Describes the specific actions & tasks to be taken
for each root cause
Describes who is responsible for each action

Indicates when the actions & tasks will be
completed
Predicts direct & indirect costs & benefits
associated with each action
Indicates whether the actions (solutions) are
successful
Assesses what could go wrong if the actions are
implemented
Includes a back-up plan for each action based on a
risk assessment
Identifies potential organizational barriers to
actions and strategies for addressing them
Details who must be informed as well as how they will be
informed and involved, before the actions are taken
Identifies who needs to be trained for the
implementation to be successful as well as the
source, scheduling, method and content of that
training
Implementation Plan Components
454
Verificacin de soluciones

PUNTO CRITICO
ACTIVIDADES
* Verificar hasta obtener efectos estables ampliando * Hacer anlisis comparativo antes y despus
los datos histricos en grficas de la etapa de * En caso de aplicar varias medidas
correctivas
"razn de seleccin del tema" , Verificar los efectos intangibles sin omisiones
* Comparar el efecto en grfica entre antes y despus
de DMAIC respecto al objetivo. confirmar el efecto sobre cada concepto de
(relacin humana, capacidad, trabajo en equipo, contramedidas.
entusiasmo, rea de trabajo alegre).
* Determinar los beneficios monetarios, indirectos e intangibles.Investigar si existen reas y operaciones
similares tanto dentro como fuera de la planta, para aplicar las mismas contramedidas. Dar reconocimiento.
2.1
2
1.9
1.8
1.7
1.6
1.5
1.4
1.3
1.2
1.1
1
2.19
2.14
2.22
2.33
1.76
1.32
0.9
0.87
0.94
0.79
0.99
0.94
0
0.5
1
1.5
2
2.5
May-97 Jun-97 Jul-97 Ago-97 Sep-97 Oct-97 Nov-97 Dic-97 Ene-98 Feb-98 Mzo-98 Abr-98
%D < 1 %
Ejemplo 1.
%
D
E
F
E
C
T
U
S
O

Comprobar efec_
tividad de las
Soluciones con
Pruebas de Hiptesis
455
Verificacin de resultados
Verificar hasta obtener efectos estables ampliando
los datos histricos como confirmacin inicial.

Comparar el efecto antes y despus del proyecto Seis
Sigma respecto al objetivo.

Verificar los efectos intangibles sin omisiones(relacin
humana, capacidad, trabajo en equipo, entusiasmo,
rea de trabajo alegre).

Convertirlo en monto de ahorro en lo posible
456
Verificacin de resultados

0
10
20
30
40
50
60
70
80
90
1e r t rim. 2do t rim. 3e r t rim. 4t o t rim.
Est e
Oe st e
Nor t e
0
10
20
30
40
50
60
70
80
90
1er t rim. 2do t rim. 3er t rim. 4to t rim.
Este
Oeste
Norte
A N TE S DE SP U E S
ME J O R A
C OS TO
$ 5 , 0 0 0
C OS TO
$ 1 , 0 0 0
457
Diagrama de
Ishikawa
Diagrama de
relaciones
Diagrama
de rbol
Anlisis del Modo y Efecto de
Falla (AMEF)
QFD
Diagrama
Causa Efecto
CTQs = Ys
Operatividad
X's vitales
Diagrama
de Flujo
del
proceso
Pruebas
de
hiptesis
Causas raz
validadas
Causa
Raz?
Definicin
Y=X1 + X2+. .Xn
X's
Causas
potenciales
Medicin Y,
X1, X2, Xn
FASE DE ANLISIS
Si No
Llenar las ltimas
Columnas del FMEA
y comprobar Hiptesis
458
459
Enlace de proyectos con metas
organizacionales
Evaluar si la organizacin est lista para el cambio:

Evaluar el escenario futuro del negocio
hay estrategias claras?,se pueden alcanzar las metas
financieras y organizacionales?, respondemos a nuevas
circunstancias?

Evaluar el desempeo actual del negocio
Cmo son nuestros resultados actuales?, qu tan
efectivamente cumplimos con clientes?,qu tan efectiva es
la operacin?
460
Enlace de proyectos con metas
organizacionales

Revisar la capacidad de cambio y mejora de sistemas
Qu tan efectivos somos para manejar cambios?, qu tan
bien manejamos los procesos multifuncionales?, se tiene
conflictos con Seis Sigma?

Las empresas Seis Sigma tienen equipos de mejora ya en
operacin y slo asignan Black Belts conforme sea
necesario
461
Estudio de estrategias de 500
empresas en relacin a Calidad,
Utilidades y Productividad (E&Y 92)
DESEMPEO QUE HACER QUE NO HACER
POBRE
(usar 7Hs
para fruta
colgante)
Concentrarse en lo bsico
Usar equipos de sol. De prob.
Usar administracin por costos
Emprender innovacin con clientes
Empowerment
Benchmarking
MEDIO
(usar 7Hs
para mejorar)
Fijar metas y dar seguimiento
Simplificar los procesos
Usar equipos de mejora
multidisciplinarios
Involucrar a la gerencia media
-
ALTO
(ambiente
adecuado p.
Seis Sigma)
Benchmarks con otras organizaciones
Facultar a empleados
(empowerment)
Comunicar planes estratgicos
Mejorar continuamente
-
462
No implantar Seis Sigma si
La empresa ya tiene implementado un programa de
mejora de procesos efectivo

Los cambios actuales ya tienen abrumado al personal
y los recursos

Los beneficios potenciales son insuficientes para
financiar las inversiones necesarias para soportar a
Seis Sigma
463
Anlisis FODA - SWOT (fuerzas,
amenazas, debilidades y oportunidades)
Fuerzas:
Algo en lo que la empresa es buena para hacer
Patentes, experiencia, habilidades, recursos clave,
tecnologa, posicin en el mercado, reputacin

Debilidades:
Algo que le falta a la empresa o es una condicin en la
queda en desventaja
Poco flujo de caja, tecnologa obsoleta, altos costos
indirectos, sin personal calificado, imagen de mala
calidad
464
Fuerzas internas Debilidades internas
Competencias distintivas
Finanzas slidas
Liderazgo en el mercado
Tecnologa propietaria
Ventajas en costo
Habilidades de marketing
Mfra. de clase mundial
Habilidades tcnicas del
personal
Imagen reconocida
Habilidades en Web
Muchas metas
Falta de enfoque en la
estrategia
Instalaciones obsoletas
Tecnologa obsoleta
Gerencia sin experiencia
Problemas de Mfra.
Poca habilidad en Mktg.
Sin capital para crecer
Poco flujo de efectivo
I y D inadecuado
No se implementa los
planes
Fuerzas y debilidades
465
Anlisis FODA - SWOT (fuerzas,
amenazas, debilidades y oportunidades)
Anlisis del entorno:
Economa: condiciones econmicas y tendencias del
mercado

Socio-Poltico: gobierno local, regional, nacional,
global, grupos de inters o aspectos legales

Social: sistema de valores, patrones sociales y
demogrficos, disponibilidad de personal calificado
466
Anlisis FODA - SWOT (fuerzas,
amenazas, debilidades y oportunidades)
Anlisis del entorno:

Tecnologa: actual y anticipada

Competencia: desempeo de la competencia y
tendencias

Todos los niveles deben participar en las juntas de
estrategia, incluyendo los nuevos empleados

467
Anlisis FADO - SWOT (fuerzas,
amenazas, debilidades y oportunidades)
Anlisis de oportunidades y amenazas:

Estrategia alineada con las oportunidades adecuadas a
las capacidades de la empresa

Estrategia de defensa contra amenazas externas

Estrategia de adaptacin a cambios en el entorno

Impacto de Internet

468
Oportunidades externas Amenazas externas
Expansin a nuevos
mercados
Ampliar lneas de
productos
Incursionar en nuevos
productos
Poca rivalidad industrial
Mnimas regulaciones
Nuevas tecnologas
Ciclo de crecimiento
positivo
B2B en Interner
E-Commerce
Competencia global
Productos sustitutos
disponibles
Lento crecimiento del
mercado
Requerimientos legales y
regulatorios
Ciclo recesivo
Clientes o proveedores
fuertes
Nuevos competidores
B2B en Internet
E-Commerce
Oportunidades y amenazas
469
Anlisis PEST
Anlisis poltico

Anlisis econmico

Anlisis social

Anlisis tecnolgico
470
Ejemplo: PEST