6.-¿Cómo se va desglosando el problema específico a atacar a partir de la ecuación Y = f(X1, X2, X3, ....., Xn)
Primero se determina la salida del proceso (producto) (Y)
Después saber de quien es función f(x) y los factores de entrada claves del proceso que causan la variación del proceso de salida.
7.-¿Cuáles son algunas de las herramientas que se utilizan en esta fase del DMAIC?
Propuesta del proyecto (acotaciones)
Análisis de personal afectado por el proyecto
Definición del cliente
Diagramas de Pareto, SIPOC, Rty, Voz del cliente
Diagramas de afinidad, Modelo Kano
8.-¿Qué es el Rendimiento a la primera o real de producción (Rolled Throughput Yield Yrt)?
Identificar el subproceso con el más bajo rendimiento como área de oportunidad de mejora
9.-¿Cómo se determinan las Sigmas a partir del rendimiento o de la fracción defectiva?
La probabilidad de uno o más defectos es:
P(d) = 1- Yrt = 1 – FPY o P(d) = 1 – Yrt para varios procesos
Si se tiene FPY = 95% è P(d) = 0.05
Entonces la Z a largo plazo se encuentra en tablas como Zlt = 1.645 sigma y por tanto la Zst a corto plazo es: Zst = 1.645 + 1.5 (corrimiento) = 3.145
10.-¿Cómo se puede aplicar el Diagrama de Afinidad y de Pareto en esta fase?
El diagrama de afinidad se usa en el caso de información compleja, esta información se agrupa en categorías afines las posibles causas que ocasionan un problema, permitiendo obtener la causa que lo origina.
El Diagrama de Pareto se usa para:
Analizar un problema desde una nueva perspectiva
Enfocar la atención en problemas de orden prioritario
Comparar cambios de datos durante diferentes periodos de tiempo
Proporcionar una base para la construcción de una línea acumulada
11.-¿Cómo se forma un Diagrama de Árbol con necesidades, Drivers y CTQs?
Árbol de Críticos para la calidad (CTQs) = Y`s:
Traduce los requerimientos iniciales del cliente a requerimientos numéricos o cuantificados para el producto o servicio (difíciles de medir a fáciles de medir)
Requiere 2 a 3 niveles para transformar de: necesidades; motivadores (drivers); CTQs
Identificar al cliente.
Identificar la necesidad del cliente.
Identificar el primer conjunto básico de requerimientos del cliente.
Avanzar con más niveles conforme se requieran (2,3)
Validar los requerimientos con el cliente. Revisar el árbol de CTQs con el cliente.
SALIDAS DE LA FASE DE DEFINICIÓN
12.-¿Qué información resultante se puede obtener de esta fase de definición?
Importancia del proyecto
Metas del proyecto
Conocimiento del champion, líder y miembros
Alcance del proyecto en términos de tiempo y recursos presupuestados
Los procesos clave involucrados
Métricas en relación a indicadores actuales
Cuales son los requerimientos del cliente
VI. Metodología de mejora Seis Sigma y herramientas - Fase de Medición
PROPÓSITOS DE LA FASE DE MEDICIÓN
1.-¿Cuáles son los objetivos de la fase de medición?
Propósitos:
Determinar requerimientos de información para el proyecto
Definir las Métricas de los indicadores del Proceso
Identificar los tipos, fuentes y causas de la variación en el proceso
Desarrollar un Plan de Recolección de Datos
Realizar un Análisis del Sistema de Medición (MSA)
Llevar a cabo la recolección de datos
2.-¿Cómo se establece un plan de colección de datos o los pasos para lograrla?
La colección de datos sirve para reunir datos basados en la observación del comportamiento de un proceso con el fin de detectar tendencias, por medio de la captura, análisis y control de información relativa al proceso. El plan de colección se puede basar en el diagrama 5W/1H con el objetivo de obtener datos confiables que reflejen la realidad de lo que esta sucediendo.
3.-¿Cómo se identifican variables clave de entrada (KPIV) y salida de un proceso (KPOV)?
Se puede usar una Matriz de causa efecto, para dar prioridad a las KPIVs:
Lista en las columnas las variables de salida claves del proceso KPOVs
Asignar un número de importancia que tiene para el cliente entre 1-10 cada KPOV, en el renglón siguiente
Listar en los renglones las variables de entrada KPIVs que pueden causar variabilidad o no conformidad en el proceso
En la matriz y con apoyo del equipo de trabajo asignar un número de 1 a 10 indicando la importancia que tiene cada KPIV en cada KPOV en la celda correspondiente.
Multiplicar estos números por los de la importancia de cada KPOV y sumar en renglones para identificar que KPIV deben recibir atención prioritaria
ESTADISTICA DESCRIPTIVA
4.-¿Cuáles son las medidas de tendencia central?
Media (promedio de datos)
Moda (el valor que más se repite)
Mediana (el valor intermedio con datos ordenados)
5.-¿Cuáles son las medidas de dispersión?
Rango (valor mayor – valor menor)
Desviación estándar (medida de dispersión)
Coeficiente de variación (Desv. Est. / media * 100) para comparar variación de dos grupos de datos diferentes
6.-¿Qué son y cuál es el propósito del Diagrama de Pareto / Hoja de verificación?
Son herramientas para la colección y presentación de datos
Diagrama de Pareto – es para identificar prioridades y se usa para:
-Analizar un problema desde una nueva perspectiva
Enfocar la atención en problemas de orden prioritario
Comparar cambios de datos durante diferentes periodos de tiempo
Proporcionar una base para la construcción de una línea acumulada
Hoja de verificación – para anotar frecuencia de ocurrencias de los eventos (con signos |, X, *, etc.) y se utiliza para reunir datos basados en la observación del comportamiento de un proceso con el fin de detectar tendencias, por medio de la captura, análisis y control de información relativa al proceso
7.-¿Qué son y cuál es el propósito del Histograma / Cartas de tendencias?
Histogramas – Un Histograma es una gráfica de las frecuencias que presenta los diferentes datos o valores de mediciones agrupados en celdas y su frecuencia.
Permiten ver la frecuencia con la que ocurren las cosas.
La variabilidad del proceso se representa por el ancho del histograma, se mide en desviaciones estándar o s.
Cartas de tendencia.-es una ayuda grafica para el control de las variaciones de los procesos administrativos y de manufactura. Y se usa para saber el comportamiento de un sistema o proceso durante el tiempo y tomar acciones correctivas a tiempo si la tendencia afectara en forma negativa.
8.-Ejercicio: Representar los datos siguientes en un histograma:
95.124
|
87.038
|
109.391
|
96.799
|
96.712
|
91.409
|
116.133
|
103.721
|
97.621
|
99.142
|
97.491
|
101.261
|
100.907
|
113.443
|
97.836
|
88.83
|
87.291
|
 108.003
|
102.79
|
82.57
|
84.545
|
90.458
|
106.139
|
91.599
|
104.428
|
94.88
|
118.491
|
103.898
|
89.159
|
|
106.758
|
101.506
|
|
109.537
|
103.182
|
|
97.947
|
102.652
|
|
105.929
|
97.524
|
|
108.793
|
100.407
|
|
106.125
|
105.756
|
|
88.664
|
94.367
|
|
122.987
|
77.961
|
|
82.866
|
97.383
|
|
107.133
|
110.441
|
|
9.-¿Cómo se construye un diagrama de dispersión y para que sirve?
Diagrama de dispersión.- es una técnica utilizada para estudiar la relación entre dos variables, facilitando la comprensión del problema planteado, representada en una gráfica de dos dimensiones en la que cada relación esta dada por un par de puntos(uno para cada variable). La variable del eje horizontal “x” normalmente es la variable causa, y la variable del eje vertical “y” es la variable efecto.
10.-¿Qué significa la correlación y que situaciones se pueden presentar con el diagrama de dispersión?
La correlación indica el grado de dependencia de las variables X y Y en el diagrama de dispersión, y puede ser: Correlación positiva o negativa, correlación fuerte o débil y sin correlación.
11.-¿Qué características tiene la distribución normal estándar y que representa la desviación estándar?
La distribución de probabilidad f(Z) es una distribución normal con una media 0 y desviación estándar de 1.
La escala horizontal de la curva se mide en desviaciones estándar, su número se describe con Z.
Para cada valor Z se asigna una probablidad o área bajo la curva mostrada en la Tabla de distribución normal.
12.-¿Cómo se puede transformar una distribución normal de datos reales a la normal estándar?
Utilizando un valor z, o variable aleatoria estándar.
Valor Z. Distancia entre un valor seleccionado, denominado X, y la media de la distribución, en unidades de una desviación estándar.
|
En términos de fórmula:
Gracias a esta fórmula podemos transformar cualquier distribución normal a la distribución normal estándar.
13.-¿Qué características tiene un proceso normal?
La curva normal cumple las siguientes propiedades:
El máximo de la curva coincide con la media.
Es perfectamente simétrica respecto a la media (g1 = 0).
La curva tiene dos puntos de inflexión situados a una desviación típica de la media. Es convexa entre ambos puntos de inflexión y cóncava en ambas colas.
Sus colas son asintóticas al eje X.
14.-¿Qué características tiene la distribución Binomial y como se aplica, cual es su media y varianza?
La distribución binomial es típica de las variables que proceden de un experimento que cumple las siguientes condiciones:
El experimento está compuesto de n pruebas iguales, siendo n un número natural fijo.
Cada prueba resulta en un suceso que cumple las propiedades de la variable binómica o de Bernouilli, es decir, sólo existen dos posibles resultados, mutuamente excluyentes, que se denominan generalmente como éxito y fracaso.
La probabilidad del ‚éxito (o del fracaso) es constante en todas las pruebas. P(éxito) = p ; P(fracaso) = 1 - p = q
Las pruebas son estadísticamente independientes,
La media y la varianza de la variable binomial se calculan como:
Media = esperanza=
Varianza=
15.- El 20% de los choferes son mujeres, si se seleccionan 20 al azar para una encuesta:
Usando la distribución binomial y la distribución de Poisson
a) ¿Cuál es la probabilidad de que dos choferes sean mujeres?
Para binomial
 P(X=k) = 0.2061
Para Poisson
 P(X=k) = 0.2381
b) ¿Cuál es la probabilidad de que al menos cuatro sean mujeres?
Para binomial P(X=k) = 0.6296
Para Poisson P(X=k) = 0.6288
16.-¿Qué características tiene la distribución de Poisson y como se aplica, cual es su media y varianza?
La distribución “Poisson” se aplica como un Modelo de Defecto.
La distribución de “Poisson” se puede utilizar si se cumplen las siguientes condiciones:
El tamaño de la muestra es de 16 o mayor (60 en el ejemplo)
La población es >10 veces que el tamaño de la muestra
La probabilidad de un defecto es menor al 10% ( 5% en el ejemplo)
El parámetro de la distribución es λ que es igual a la media y a la varianza de la variable.
Su media (μ) es n*p(numero total multiplicado por la probabilidad)
La varianza es
17.-Ejercicio. Un proveedor de partes de bicicleta tiene 3% de defectos.
Se compran 150 partes y si la probabilidad de que 3 o más partes sean defectuosas excede al 50%, no se hace la compra.
|
