Este documento describe las fases finales de implementar un plan de mejora, incluyendo el análisis de riesgo mediante una matriz FMEA, diseños de experimentos (DOE), procedimientos para realizar DOE, y planes de mejora. Se explican conceptos como diseños factoriales completos y fraccionados para experimentación, y se proporcionan ejemplos y recomendaciones para su aplicación. También se detallan los pasos para desarrollar planes de implementación de soluciones y se incluye un formato de plan de mejora.

1. 11
6. Fase III: Implementar
6.1 Análisis de riesgo: Matriz FMEA.
6.2 DOE
6.3 Procedimiento DOE
6.4 Plan de Mejora

2. 22
PROCESO FMEA
Elabora FMEA preliminar.
Discusión para definir NPR.
Plan de Acción de mejora de los
NPR.
Ejecución del Plan.
Evaluación de Resultados.
Emisión del FMEA definitivo.
OK
NO
SI
F
A
S
E
I
F
A
S
E
II
Análisis de riesgo: Matriz FMEA.6.1

3. 33
Se vuelve usar la matriz FMEA
mostrado anteriormente.
En esta parte se establecen las
posibles soluciones para aquellas
actividades que tienen un NPR
alto.
Acciones
Recomen
dadas
Persona
responsab
le & Fecha
Objeto
Acciones
Tomadas
S
E
V
O
C
C
D
E
T
N
P
R
Las acciones
recomendadas
que son llevadas
A cabo.
El responsable
de llevar acabo
la acción (es)
El NPR después
de haber tomado
las acción (es). El
cual se supone
debe ser menor
Son las acciones
orientadas a seguir
para las causas con
NPR alto, destinadas
mejorar la detección
de la causa o disminuir
la frecuencia de
ocurrencia de las fallas
Análisis de riesgo: Matriz FMEA.6.1

4. 44
Es una estrategia experimental estructurada que permite la
evaluación de múltiples variables de proceso en cuanto a su
capacidad para influir sobre las características de un producto o
proceso.
• Determinar que factores son importantes.
• Establecer la estabilidad del proceso.
• Encontrar el mejor conjunto de condiciones de operación.
DOE6.2
Introducción al DOE

5. 55
Y (KPOV)
X (KPIV)
CTQs
FMEA, Mapa de Procesos
Cp, Cpk
Prueba de Hipótesis
Correlación
Regresión
DOE Simulación
SPC
5 Ss
Poka Yoke
X Key Process Input Variables (KPIV) variable claves del proceso
Y Key Process Ouptput Variables (KPOV)
variables clave de salida del proceso
para el cliente
X (KPIV) significativas
X (KPIV) que afectan al proceso
X (KPIV) que afectan al proceso
Controladas
DOE6.2

6. 66
DOE6.2
Diseño Factorial Completo
El Factorial Completo estudiará cada combinación posible en los
niveles escogidos. Estos diseños proveerán una gran
información que nos permitirá determinar el efecto de los
factores principales sobre la respuesta seleccionada.
Cantidad de pruebas que se necesitan =
(niveles factor 1) x (niveles factor 2) x (niveles factor 3) x ….
(niveles factor n)
Donde:
Factor = Son las variables (KPVI) X1, X2, X3 … Xn
Nivel = Es la cantidad de valores que toma cada factor

7. 77
Limitaciones para el Diseño Factorial
Completo
•La limitación del Factorial completo no es teórica sino
practica. Los recursos (ej. Tiempo, costos) necesarios para
correr un factorial completo pueden ser significantes.
• Factorial completo puede ser usado en investigaciones
donde el numero de variables es pequeño (2-4), pero no son
recomendables cuando el numero de variables a investigar es
mayor (5 o más).
•Factorial Completo son efectivo cuando son usados de la
manera adecuada, en el momento propicio dentro del proceso
de mejora del estudio.
DOE6.2

8. 88
DOE6.2
Diseño Factorial Completo con 2 niveles
Por Ejemplo 3 factores cada uno con 2 niveles:
Cantidad de pruebas que se necesitan = 2 x 2 x 2 = 8
Donde:
3 = Factor = K = variables (KPVI) X1, X2, X3
2 = Nivel = Es la cantidad de valores que toma cada factor
3
2
K
2

9. 99
DOE6.2
Diseño Factoriales Fraccionados
Son diseños donde se elige adecuadamente una parte o fracción
de los tratamientos de un factorial completo, con la intención de
poder estudiar el efecto de los factores utilizando menos corridas
experimentales, debido a que es imposible en la practica correr
todos los tratamientos.
La teoría de los diseños factoriales fraccionados se basa en la
jerarquización de los efectos: Son más importantes los efectos
principales, seguidos por la interacciones dobles, luego las
triples, las cuádruples , etc.
K - p
2
Número de generadores
del diseño
Número de factores (K)
Número niveles (2)

10. 1010
DOE6.2
Aclaraciones para el Diseño Factoriales
fraccionados:
•Se pierde información, ya que habrá efectos que no se podrán
estimarse y se tienen menos grados de libertad disponibles para la
estimación del error. Los efectos que se pierden se espera que
sean, en la medida de los posible, interacciones de alto orden, las
cuales se pueden ignorar de antemano con bajo riesgo.
•Se utiliza sobre todo para probar un gran número de x potenciales
con un mínimo de corridas y lograr la selección de las pocas X
vitales.
•Los experimentos altamente fraccionados son experimentos
donde el número de corridas es solo un poco mayor que el número
de factores y sirven para detectar solo efectos principales.

11. 1111
DOE6.2
Recomendaciones para el Diseño Factoriales
fraccionados:
•Los experimentos altamente fraccionados se usan a menudo
para cernido, para encontrar las variables que merecen mayor
estudio
•Los experimentos más útiles tiene 8, 16 0 32 corridas.
•Usted puede añadir niveles (use 3, 4 o 5 niveles) para un
estudio más detallado de las variables importantes.
•Los experimentos de 2 niveles pueden usarse con variables X
discretas o continuas.
•Recuerde además que usted puede correr la otra media fracción
si los resultados del primer experimento no son claros.

12. 1212
Procedimiento DOE6.3
1. Definir el problema.
2. Establecer el objetivo.
3. Seleccionar las variables de respuesta.
4. Seleccionar las variables independientes y su niveles.
5. Verificar a capacidad y estabilidad de los instrumentos- sistemas de
medición. Entender el espacio de inferencia.
6. Seleccionar el Diseño Experimental: tipo de diseño a utilizar y número de
replicas.
7. Planear y correr el DOE. Realizar las pruebas aleatoriamente.
8. Recolectar los datos.
9. Analizar los Datos.
10. Obtener las conclusiones estadisticas.
11. Replicar los resultados, si corresponde.
12. Establecer soluciones practicas y comunicar.
13. Implementar soluciones.
Pasos para la experimentación

13. 1313
Selección de factores
Podemos utilizar las siguientes fuentes:
• FMEA (Puesta al día después de la Fase de Análisis)
• Lista de Calsificación de Entrada. Mapa de procesos.
• Factores de Estudio de Variación Múltiple
• Resultados de la Prueba de Hipótesis
• Conocimiento de los expertos, experiencia de los operadores
• Requerimientos de los clientes
• Opinión de los proveedores
• Literatura, tormenta de ideas.........
Procedimiento DOE6.3

14. 1414
Acción
1. Plantear el problema a
resolver y objetivo que se
requiere alcanzar
2. Identificar los factores y sus
niveles.
3. Cree la hoja de toma de datos
para el experimento
Stat / DOE / FACTORIALS /
CREATE FACTORIAL /
DESIGNS
El problema es aumentar/disminuir.....
Y = Nombre del indicador
Nivel Bajo
(-)
Nivel alto
(+)
X1 : Nombre del factor
X2 : Nombre del factor
X3 : Nombre del factor
Minitab
• 2 Level Factorial
• Number Of. Factors
DESGNIS Full factorial
Center points=
# Replicates=
FACTORS En la columna “Name” ponerle el
nombre del factor
OPTIONS . Do not fold
 Randomize Runs
 Store Design on Worksh
Summary table, alias table
Default interactionsRESULTS
Procedimiento DOE6.3

15. 1515
4. Determine el tamaño
apropiado de la muestra.
5. Realice el experimento
siguiendo la hoja de datos
obtenidas.
6. Analice los datos
obtenidos
Sta t/ DOE / ACTORIALS
Analyze Factorial Design
RESPONSES Poner el indicador
TERMS Seleccionar todos los factores
y pasarlos a “Selected Terma”
GRAPHS
Normal
Paretto
Alpha = 0.1
Residual for plots : Regular
•Coefficients and ANOVA table
Fits (Desmarcar)
Residuals (Desmarcar)
RESULTS
STORAGE
Nota:
1. Si se ha usado 2 o mas replicas Minitab arroja p-valúes asociados a
cada factor e interacciones; los cuales deben ser usados para
probar hipótesis:
H0: El efecto del factor no es importante sobre Y
Ha: El efecto del factor si es importante sobre Y
Si p-val>0.05
Acepto H0
Acción Minitab
Procedimiento DOE6.3

16. 1616
Los planes de Implementación Final de soluciones debe
contener:
•La solución (acción) recomendada.
•La causa verificada y el efecto esperado de la solución.
•Definir al responsable que llevara a la práctica la
solución.
•Donde y cuando se realizara (fecha de inicio-fecha
final).
•Como se realizara (descripción operativa).
•Recursos necesarios para la implementación.
•Retorno esperado (beneficio).
•El Plan de Gerenciamiento.
Plan de Mejora6.4

17. 1717
Formato Plan de Implementación de Soluciones.
RESPON
SABLE
OPERACI
ÓN
INICIO FIN
FECHA
COMO
PROYECTO: FECHA:
MIEMBROS DEL EQUIPO:
Nro
ACCION
RECOME
NDADA
CAUSA
EFECTO
ESPERA
DO
QUIEN
DONDE CUANDO
TIEMPO S$
ENTRENAM
IENTO SOPORTE OTROS S$ SATISFACCIÓN
OBSERVACIONESPORCENTAJE DE
AVANCE
RECURSOS NECESARIOS RETORNO ESPERADO STATUS
Plan de Mejora6.4

18. 1818
ID Accionesde Mejora
Tipode
Mejora
Responsable
Fecha de
Compromiso
% de
Avance
Observaciones
1
Desarrollo de una Base de Datos
donde se registra las altas por dslam
saturados
Corto plazo Veronica Avila 15 de Abril 50%
Problemas para identificar la
correspondencia de los números
a los DSLAM por falta de
etiquetas y creación de nuevos
perfiles
2
Desarrollo de la BD que controle la
capacidad disponible de Tx por
DSLAM's
Largo Plazo Ernesto Saravia Por definir Por definir
Se requiere la participación de
la Subgerencia de Tx y el
conocimiento del Aplicativo
Asig2000.
3
Desarrollo de un sistema que realice
la previsión de trafico por DSLAM´s
Mediano Plazo Veronica Avila Por definir Por definir
Se requiere la participación de
GSI
4
Solicitar a GSI, el desarrollo de una
rutina que permita que los campos :
In Real y Fin. Real se han obligatorios
cuando se cambia el status del
proyecto
Corto plazo Walter la Matta Por definir Por definir
Se requiere establecer un
requerimiento, y el posible
costeo de esta nueva rutina
5
Elaboración de un procedimiento para
la ampliación de los enlaces en la Red
Speedy que abarca desde la
detección de su sobrecarga hasta su
ampliación.
Largo Plazo Ernesto Saravia Por definir 15%
Se requiere la participación de
las Gerencia de Desarrollo y
Planificación
6
Desarrollo de una Base de Datos que
registra las fechas de denuncias de
los sobrecargas hasta su ampliación,
con la finalidad de realizar el
seguimiento de las ampliaciones en
planta
Corto Plazo Veronica Avila 15 de Abril 25%
Se tiene la información hay que
armar la data a partir del
presente año 2005
Falta de un procedimiento para
realizar la ampliación de los
enlaces en los DSLAM'S
Oportunidadde Mejora
Falta de un control de las altas en
DSLAM que presentan saturación
Falta de un sistema que controle
las denuncias de sobrecarga hasta
su ampliación en la Red
Falta de un sistema que controle
la capacidad disponible de Tx por
DSLAM's
Falta de previsión en el crecimiento
de trafico por cliente
No se registras las fechas de inicio
y culminación de las Obras en el
Aplicativo SAP-Modulo Gestión de
Proyectos
Plan de Mejora6.4