2. Introducción Hijo de ferroviario y ama de casa, en 1981 se convirtió en el CEO más joven de la historia de GE. Durante su mandato, gracias a la implantación de Six Sigma, los beneficios de la compañía pasaron de 1500 a 13000 M$
3.
4.
5.
6.
7.
8.
9. - La diferencia entre la tolerancia superior (TS) y la tolerancia inferior (TI) dividido por la desviación estándar, nos da la cantidad de sigmas (Z) - Así pues, cuánto mas cercanos estén los valores de las mediciones al valor central óptimo, más pequeño será el valor de sigma, y por lo tanto mayor número de sigmas entrarán dentro de los límites de tolerancia. - Siempre que la medición esté dentro del intervalo TS-TI, se dirá que el servicio es conforme o de calidad. En este caso se siguen las ideas de Crosby, quien considera la calidad como sinónimo de cumplimiento de especificaciones Entendiendo el concepto
10.
11.
12. Geoff Tennant: “Six Sigma: control estadístico del proceso y administración total de la calidad en manufactura y servicio” En resumen, la metodología requiere de la ejecución de los siguientes pasos: 1. Identificar los diferentes procesos que se realizan en la empresa. 2. Conocer y comprender a los clientes externos. 3. Diferenciar los procesos en los cuales se agrega valor a los clientes. 4. Para los procesos anteriormente seleccionados, obtener información directamente del cliente => Voz del Cliente ( VOC ) 5. La información obtenida de los clientes externos, convertirla en un número pequeño de características específicas, prácticas y mensurables, criticas para la calidad y el proceso. 6. Representar el comportamiento del proceso generador de la característica en un Histograma para visualizar la Curva Normal y con ello la variación de las características críticas => Voz del Proceso ( VOP ) 7. Superponer en el diagrama, los límites de las características críticas para la calidad del cliente y calcular el número de defectos fuera de tales limites. 8. Convertir esto en una medición sigma del proceso. Enfoque en el cliente
29. Defectos por unidad DPU = D/U = 9/4 = 2,25 Total de oportunidades TOP = U * OP = 4 * 5 = 20 Defectos por oportunidad DPO = D/TOP = 9/20 = 0,45 Defectos por millón de oportunidades DPMO = DPO * 1.000.000 = = 0,45 * 1.000.000 = 450.000 VARIABLES DISCRETAS FÓRMULAS Calidad y fiabilidad
30. Calidad y fiabilidad DPMO Capacidad de Proceso 2 3 4 5 6 308,537 66,807 6,210 233 3.4 Defectos Por Millón de Oportunidades 69.2% 93.3% 99.4% 99.97% 99.9996% Nivel de calidad
37. Calidad y fiabilidad Veamos un ejemplo El call center de una entidad financiera recibe diariamente 15.000 llamadas, de las cuales 3.550 sobre pasan el tiempo para un adecuado servicio. Para la entidad financiera se considera un adecuado servicio cuando una llamada no pasa de 2 minutos, en los cuales se responden todas las inquietudes del cliente. Se desea saber en que sigma se encuentra operando esta entidad. Solución DPMO = 1.000.000 x (3.550/15.000) = 1.000.000 x 0,23666667 = 236.666,67 Sigma 2,22
38. No competitiva Competitiva 1ªClase Defectos por Millón (dpmo) ¿DÓNDE ESTÁ MI EMPRESA? 1,5 2,0 2,5 3,0 4,0 5,0 6,0 Sigma 500.000 308.538 158.655 66.807 6210 233 3,4 90%Empresas Calidad y fiabilidad
39. 3 4 5 6 7 2 Escala Sigma de Medición Defectos por Millón El objetivo básico Empresa Promedio Benchmark 25% a 40% de ingreso por ventas Calidad y fiabilidad 1,000,000 100,000 10,000 1,000 100 10 1
40.
41.
42.
43. Calidad y costes Menos de 5% de las ventas 3.4 (Clase mundial) 6 5 a15% de las ventas 233 5 15 a 20% de las ventas 6.210 (promedio industria) 4 20 a 30% de las ventas 66.807 3 30 a 40% de las ventas. 308.537 (no competitiva) 2 Costo de la Calidad Defectos por millon Nivel Sigma El Costo de Calidad y Seis Sigma
44.
45.
46.
47.
48.
49.
50.
51.
52. Estadística básica Si tuviera que reacomodar sus datos en orden ascendente o descendente, el punto de datos que aparecería al centro sería la Mediana : (a) ¿Cuál es la mediana para el siguiente conjunto de datos: 10, 15, 20, 25, 30? mediana = ? (b) ¿Cuál es la mediana para el siguiente conjunto de datos: 5.1, 5.5, 3.2, 6.4, 2.8? mediana = ? (c) ¿Cuál es la mediana para el siguiente conjunto de datos: 5.1, 2.2, -3.2, -1.4, 6.4, 4.9? mediana = ? (d) ¿Cuál es la mediana para el siguiente conjunto de datos: -6.1, -2.2, -5.1, -1.4, -4.9, -3.2? mediana = ?
53. Estadística básica Si tuviera que reacomodar sus datos en orden ascendente o descendente, el punto de datos que aparecería al centro sería la Mediana : (a) ¿Cuál es la mediana para el siguiente conjunto de datos: 10, 15, 20, 25, 30? mediana =20 (b) ¿Cuál es la mediana para el siguiente conjunto de datos: 5.1, 5.5, 3.2, 6.4, 2.8? mediana =5.1 (c) ¿Cuál es la mediana para el siguiente conjunto de datos: 5.1, 2.2, -3.2, -1.4, 6.4, 4.9? mediana =3,55 ( secuencia par de datos – 6- , la mediana es el punto stuado entre el 3º - 2.2 – y el 4º - 4.9-) (d) ¿Cuál es la mediana para el siguiente conjunto de datos: -6.1, -2.2, -5.1, -1.4, -4.9, -3.2? mediana = -4,05 ( secuencia par => entre –3.2 y –4.9 )
54. Estadística básica La Media es el promedio aritmético de un conjunto de datos: (a) ¿Cuál es la media para el siguiente conjunto de datos: 10, 15, 20, 25, 30? media = ? (b) ¿Cuál es la media para el siguiente conjunto de datos: 5.1, 5.5, 3.2, 6.4, 2.8? media = ? (c) ¿Cuál es la media para el siguiente conjunto de datos: 5.1, 2.2, -3.2, -1.4, 6.4, 4.9? media = ? (d) ¿Cuál es la media para el siguiente conjunto de datos: -6.1, -2.2, -5.1, -1.4, -4.9, -3.2? media = ?
55. Estadística básica Estadística básica La Media es el promedio aritmético de un conjunto de datos: (a) ¿Cuál es la media para el siguiente conjunto de datos: 10, 15, 20, 25, 30? media = 20 (b) ¿Cuál es la media para el siguiente conjunto de datos: 5.1, 5.5, 3.2, 6.4, 2.8? media = 4.6 (c) ¿Cuál es la media para el siguiente conjunto de datos: 5.1, 2.2, -3.2, -1.4, 6.4, 4.9? media = 2.33 (d) ¿Cuál es la media para el siguiente conjunto de datos: -6.1, -2.2, -5.1, -1.4, -4.9, -3.2? media = -3.82
56.
57.
58. Importancia de la variación El cliente detecta la variación no la media. A menudo, la visión interior del negocio se basa en promedios o medias de medidas históricas. Los clientes no juzgan sobre los promedios, lo que ellos detectan son las variaciones en cada transacción o en cada producto que les enviamos. Seis sigma se centra primero en reducir la variación del proceso y después en mejorar la capacidad del proceso. Los clientes valoran procesos predecibles y consistentes que entregan productos de primera calidad. Esto es lo que Seis Sigma se esfuerza en producir. Importancia de la variabilidad El cliente detecta la variación, no la media. A menudo, la visión interior del negocio se basa en promedios o medias de medidas históricas. Los clientes no juzgan sobre los promedios, lo que ellos detectan son las variaciones en cada transacción o en cada producto que les enviamos. Seis sigma se centra primero en reducir la variación del proceso y después en mejorar la capacidad del proceso. Los clientes valoran procesos predecibles y consistentes que entregan productos de primera calidad. Esto es lo que Seis Sigma se esfuerza en producir. Estadística básica
59.
60.
61.
62.
63.
64.
65.
66.
67. El Rango es la diferencia entre el Max y el Min; Rango = abs|Max – Min|: (a) ¿Cuál es el rango para el siguiente conjunto de datos: 10, 15, 20, 25, 30? rango = ? (b) ¿Cuál es el rango para el siguiente conjunto de datos: 5.1, 5.5, 3.2, 6.4, 2.8? rango = ? (c) ¿Cuál es el rango para el siguiente conjunto de datos: 5.1, 2.2, -3.2, -1.4, 6.4, 4.9? rango = ? (d) ¿Cuál es el rango para el siguiente conjunto de datos: -6.1, -2.2, -5.1, -1.4, -4.9, -3.2? rango = ? Estadística básica
68. El Rango es la diferencia entre el Max y el Min; Rango = abs|Max – Min|: (a) ¿Cuál es el rango para el siguiente conjunto de datos: 10, 15, 20, 25, 30? rango = 20 (b) ¿Cuál es el rango para el siguiente conjunto de datos: 5.1, 5.5, 3.2, 6.4, 2.8? rango = 3.6 (c) ¿Cuál es el rango para el siguiente conjunto de datos: 5.1, 2.2, -3.2, -1.4, 6.4, 4.9? rango = 9,6 (d) ¿Cuál es el rango para el siguiente conjunto de datos: -6.1, -2.2, -5.1, -1.4, -4.9, -3.2? rango = 4,7 Estadística básica
69. ( a) ¿Cuál es la desviación estándar para el siguiente conjunto de datos: 10, 15, 20, 25, 30? Desviación estándar = ? (b) ¿Cuál es la desviación estándar para el siguiente conjunto de datos: 5.1, 5.5, 3.2, 6.4, 2.8? Desviación estándar = ? (c) ¿Cuál es la desviación estándar para el siguiente conjunto de datos: 5.1, 2.2, -3.2, -1.4, 6.4, 4.9? Desviación estándar = ? (d) ¿Cuál es la desviación estándar para el siguiente conjunto de datos: -6.1, -2.2, -5.1, -1.4, -4.9, -3.2? Desviación estándar = ? La Desviación Estándar es la “distancia promedio desde cada punto a la media.” Estadística básica
70. ( a) ¿Cuál es la desviación estándar para el siguiente conjunto de datos: 10, 15, 20, 25, 30? Desviación estándar = 7.906 (b) ¿Cuál es la desviación estándar para el siguiente conjunto de datos: 5.1, 5.5, 3.2, 6.4, 2.8? Desviación estándar = 1.541 (c) ¿Cuál es la desviación estándar para el siguiente conjunto de datos: 5.1, 2.2, -3.2, -1.4, 6.4, 4.9? Desviación estándar = 3.882 (d) ¿Cuál es la desviación estándar para el siguiente conjunto de datos: -6.1, -2.2, -5.1, -1.4, -4.9, -3.2? Desviación estándar = 1.837 La Desviación Estándar es la “distancia promedio desde cada punto a la media.” Estadística básica
71.
72.
73.
74. Suma de todos los valores dividida por el número de valores Media= 12+5+10+…./25 = 8,92 La media: Voz del Proceso Valor máximo menos valor mínimo Rango=máximo – mínimo= 15-5 = 10 El rango: Estabilidad de los procesos
75.
76. Voz del Proceso Voz del Proceso Cantidad de “rojo” por lote Cantidad de “rojo” Tiempo: número de lote Registrar y graficar las mediciones individuales en orden cronológico Estabilidad de los procesos
77. Voz del Proceso Calcular los rangos entre mediciones sucesivas, así como su media mR= (7+5+0+...)/24 = 3,04 Estabilidad de los procesos Diferencia entre 12 y 5 : 7 Diferencia entre 5 y 10 : 5 Diferencia entre 10 y 10 : 0
78. Voz del Proceso Graficar los rangos entre mediciones sucesivas en orden cronológico Tiempo: número de lote Estabilidad de los procesos mR Rango movim. 0 2 4 6 8 10 12 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
79. Voz del Proceso.- Límites de los Procesos El límite superior natural del proceso es la media de las mediciones individuales, 8.92, más la media de los rangos de movimiento 3.04, multiplicado por un factor de escalamiento, 2.660. (8.92) + (3.04) (2.660) = 17.01 (8.92) - (3.04) (2.660) = 0.83 El límite inferior natural del proceso es la media de las mediciones individuales, 8.92, menos la media de los rangos de movimiento 3.04, multiplicado por un factor de escalamiento, 2.660. El límite superior del rango ( el inferior es cero )es simplemente el promedio de los rangos de medición 3.04, multiplicado por un factor de escalamiento, 3.267 (3.267) x (3.04) = 9.93 Estabilidad de los procesos
80. Voz del Proceso.- Representémoslo gráficamente Tiempo: número lote Medición X Estabilidad de los procesos Rango movim mR 9.93 0.0 17.01 8.92 0.83
81.
82. Voz del Proceso Para interpretar la estabilidad del proceso, nos serviremos de los gráficos antes descritos. El que representa las mediciones individuales lo dividiremos en tres zonas iguales ( naranja, amarilla y verde ) Estabilidad de los procesos
83.
84.
85. Voz del Proceso.- Señales de inestabilidad ¿ Es estable el proceso de nuestro ejemplo? Sí!!! Estabilidad de los procesos
86.
87. Estabilidad vs Capacidad 1.000 ± 0.001 Límite Natural Proceso inferior ( LNL ) Límite Natural Proceso Superior ( UNL ) Límite Natural Proceso Superior ( UNL ) Límite Natural Proceso inferior ( LNL ) ( LIE ) Max =1.001 ( LSE ) Min = 0.999 1.000 diámetro diámetro Rango proceso diámetro
95. Limitaciones de la inspeccion Valores reales Desviación Repetibilidad Reproducibilidad R&R calibración Estabilidad Error de medición Mediciones observadas Fuentes de variabilidad para el sistema de medicion
96.
97. Repetibilidad Reproducibilidad Estabilidad Limitaciones de la inspeccion La misma persona recoge siempre igual los datos. Esta directamente relacionada con la precision de la calibracion Diferentes personas recogen los datos de la misma forma Cuando se aplique a los mismos ítems de interés, el sistema de medición debe producir el mismo resultado en el futuro que los que produjo en el pasado
98.
99.
100.
101.
102.
103.
104.
105.
106.
107.
108.
109.
110.
111.
112. Roles en Six Sigma Campeón/auspiciante (Champion) Cinturón verde (Green Belt) Cinturón negro maestro (Master Black Belt) Equipo Six Sigma Cinturón negro (Black Belt)
113.
114.
115. Roles en Six Sigma 1. Creer en la necesidad del cambio, crear la visi ón y vencer la resistencia. 2.Identificar áreas de negocio clave que, mejorándolas, aporten los mayores beneficios a la empresa. 3. Dotar de recursos financieros y organizativos para formar expertos que identifiquen y consigan objetivos agresivos. 4. Acordar indicadores para gestionar y controlar el progreso. 5. Reconocer y premiar el éxito. 6. Propagar los éxitos para conseguir un total cambio cultural. Champion
116. Roles en Six Sigma Master Black Belt 1 . Gozan del respeto y reconocimiento de toda la organización. 2. Máximos expertos y garantes de la correcta aplicación de la metodología 3. Su trabajo consiste en formar a los expertos (Black Belt) y especialistas (Green Belt) para que pueden liderar proyectos estratégicos de alto impacto en el negocio. 4. Sus conocimientos les permiten actuar en cualquier momento como asesores de los responsables de los procesos críticos del negocio y de los expertos y especialistas 5. Gran experiencia y conocimiento de los procesos internos de la empresa que les permiten plantear proyectos de mejora.
117. Roles en Six Sigma Black Belt 1. Gozan del respeto y reconocimiento de toda la organización. 2. Pueden liderar proyectos estratégicos de alto impacto en el negocio. 3. Gran capacidad de organización en proyectos multidepartamentales. 4. Profundo conocimiento de las herramientas Seis Sigma que les permite actuar como asesores de cualquier proyecto. 5. Conocedores de los procesos internos de la empresa que les permiten plantear proyectos de mejora.
118.
119.
120. Herramientas de recogida de datos. Grafica de control Permite observar al proceso a lo largo del tiempo con el fin de descubrir tendencias y centrar la atención en los cambios del proceso.
121.
122. Herramientas de recogida de datos. Hoja de recogida de datos Estos conceptos son igualmente válidos para la prestación de servicios. Veamos por ejemplo, los datos recogidos respecto al problema de una deficiente atención telefónica a clientes:
123.
124.
125.
126. Herramientas de análisis de datos. Diagrama causa efecto Para poder plantear acciones correctoras, debemos buscar las “causas profundas”, preguntándonos 5 veces por que
127. Herramientas de análisis de datos. Diagrama causa efecto COMPLEXAGE. doc Veamos un ejemplo real
128. Herramientas de análisis de datos. Diagrama de regresión Es un método estandarizado de encontrar correlaciones entre dos variables y, lo más importante, nos proporciona un modelo de predicción. Puede ser utilizado para analizar la relación entre x e y o también entre varias x.