Caso Six Sigma Evaluación Final - TRABAJO

INGENIERÍA DE LA CALIDAD PROCESOS MEJORA
CONTINUA & AUDITOR INTERNO ISO 9001 (GRUPO E)
TALLER – CASO SIX SIGMA
INTEGRANTES:
Antonio Terreros, Carlos Enrique

Barreda Castillo, Alex Edson
Figueroa Concepción, Elliot Douglas
Flores Alvarez, Ivan
Morazán Ulco, Rosa de María
Lima, 2020
Six Sigma - Caso Práctico
Una empresa produce tornillos, que empaqueta en cajas con 100 unidades cada
una. En el proceso productivo no se cuentan los tornillos que hay que meter en
cada caja, tan solo se pesa la caja y se añaden tornillos hasta llegar a un peso
determinado (10 kgs) que corresponde con un total de 100 tornillos. Surge el
problema de que los tornillos pueden tener un peso diferente y esa variabilidad
puede llevar a cabo a tener cajas con más o menos de 100 tornillos.
Se decide utilizar herramientas de Six Sigma dentro del plan de calidad para
asegurar este requisito y poder identificar cualquier problema y su causa raíz en el
proceso productivo.
Lo primero que se realiza con respecto a este problema es Medir, para ello se
pesan una muestra de 10 lotes con 4 cajas de cada uno, haciendo un total de 40
cajas de tornillos obteniendo la tabla con los siguientes pesos:
Lote Muestra 1 Muestra 2 Muestra 3 Muestra 4
Lote 1 10.02 10.00 10.01 10.09
Lote 2 10.01 9.90 10.01 9.90
Lote 3 10.01 9.60 9.82 9.90
Lote 4 10.04 9.92 10.02 9.87
Lote 5 10.07 9.87 9.90 10.01
Lote 6 10.00 9.92 10.00 10.02
Lote 7 9.90 10.01 9.95 10.02
Lote 8 10.00 9.98 10.04 9.98
Lote 9 9.89 10.02 10.03 9.99
Lote 10 10.00 10.00 10.00 10.02
Bien entonces necesitamos obtener el peso promedio de las 40 cajas, y la

desviación estándar () de las medidas muestreadas.
Ahora el peso mínimo admisible y el peso máximo admisible, definidos por la
empresa serán nuestros límites superiores e inferiores de especificación (LSL,
USL). LSL = 9,95 kg y USL = 10,05 kg.
Es decir, todo peso que no esté dentro de estos límites será considerado como
peso incorrecto.
Con toda esta información calculada y brindada, podemos calcular el Puntaje de

capacidad (Cp):
Cp = USL – LSL
6
Cp = 0.254
Con este indicador Cp podemos saber lo bien o lo mal que lo estamos haciendo
identificando en qué nivel de sigma () nos encontramos, según la siguiente tabla:
X Cp P (defecto) Ppm
1 0.33 0.317 317,000
2 0.67 0.0455 45,500
3 1.00 0.0027 2,700
4 1.33 0.0001 63
5 1.67 0.0000006 0.6
6 2.00 2x10-9 0.00
Según el Cp nos encontramos en 1σ
Para nuestro caso determinar:

1. ¿Cuál sería el valor de Cp y en qué nivel de sigma () estaríamos?
Los valores son:
Cp = 0.254
Nivel sigma = 1
2. ¿Qué valor de desviación estándar debemos tener para alcanzar el nivel de

6 sigma (6)?
La desviación estándar que deberíamos tener es 0.0083333
3. Asumiendo que los pesos medidos de las 40 cajas encajarían con una
distribución normal:
Calcular la probabilidad porcentual de encontrar un defecto (pesos inferiores
o superiores a los límites de especificación):
4. ¿Qué acciones podrían tomar para disminuir la cantidad de cajas no

conformes?
Disminuir la desviación estándar
Si la empresa ha definido correctamente sus límites de especificación, entonces la

única alternativa que nos queda para mejorar nuestro proceso es trabajar sobre la
desviación estándar de los datos tomados. Para ello comenzamos con un gráfico
de control que nos permitirá observar visualmente si hay algún problema con
nuestros datos.
Calculamos la media de cada lote y los límites de control superior e inferior. No
confundir con los límites de especificación, los límites de control solo nos dicen
hasta qué punto las medidas tomadas se comportan de acuerdo al valor promedio.
Para calcular el valor de los límites de control restamos (límite inferior) o sumamos
(límite superior) al valor promedio del total de las muestras, ± 3 veces la desviación
estándar dividida entre la raíz cuadrada del número de datos (4 muestras).
LCL= X - 3/√ n LSL= X + 3/√ n
Con estos datos deberán crear un gráfico de control según el ejemplo:
Del ejemplo se observa como en las medidas del lote 3 se salen del límite inferior
de control. Esto nos advierte de que debe haber una causa asignable de error en el
proceso.
Mencione que herramientas podría utilizar para averiguar cuál es esa causa que
hace alterar dicha observación.
Las herramientas que se pueden utilizar son:
 Ishikawa
 Diagrama de relaciones
 Diagrama de Pareto
 5 porqués
 Diseño de experimentos
Resumiendo:
1. Define el problema: Tener cajas de tornillos con una cantidad incorrecta, más
o menos de 100 tornillos. Definimos cual es el peso correcto y la variabilidad
admitida (límites de especificación).
2. Medimos: pesamos una muestra de cajas de diferentes lotes y reunimos todos
los datos.
3. Analizamos:
a. Calculamos el peso medio, la desviación estándar y la capacidad.
b. Creamos un gráfico de control y observamos cómo se comportan los datos
con respecto al peso promedio.
c. Buscamos la causa raíz conociendo donde está el problema.
4. Mejoramos: modificamos el proceso productivo de acuerdo a la solución que
hemos obtenido después de analizar los datos y buscar la causa raíz de los
problemas.
5. Controlamos: volvemos a tomar medidas para asegurarnos de que realmente
hemos solucionado el problema.

Caso Six Sigma Evaluación Final - TRABAJO

Cargado por

Copyright:

Formatos disponibles

Caso Six Sigma Evaluación Final - TRABAJO

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Caso Six Sigma Evaluación Final - TRABAJO

Cargado por

Copyright:

Formatos disponibles

INGENIERÍA DE LA CALIDAD PROCESOS MEJORA

CONTINUA & AUDITOR INTERNO ISO 9001 (GRUPO E)

TALLER – CASO SIX SIGMA

Antonio Terreros, Carlos Enrique

Lote Muestra 1 Muestra 2 Muestra 3 Muestra 4

Lote 1 10.02 10.00 10.01 10.09

Lote 2 10.01 9.90 10.01 9.90

Lote 3 10.01 9.60 9.82 9.90

Lote 4 10.04 9.92 10.02 9.87

Lote 5 10.07 9.87 9.90 10.01

Lote 6 10.00 9.92 10.00 10.02

Lote 7 9.90 10.01 9.95 10.02

Lote 8 10.00 9.98 10.04 9.98

Lote 9 9.89 10.02 10.03 9.99

Lote 10 10.00 10.00 10.00 10.02

Bien entonces necesitamos obtener el peso promedio de las 40 cajas, y la

Con toda esta información calculada y brindada, podemos calcular el Puntaje de

1 0.33 0.317 317,000

2 0.67 0.0455 45,500

3 1.00 0.0027 2,700

5 1.67 0.0000006 0.6

6 2.00 2x10-9 0.00

Según el Cp nos encontramos en 1σ

Para nuestro caso determinar:

2. ¿Qué valor de desviación estándar debemos tener para alcanzar el nivel de

La desviación estándar que deberíamos tener es 0.0083333

4. ¿Qué acciones podrían tomar para disminuir la cantidad de cajas no

Si la empresa ha definido correctamente sus límites de especificación, entonces la

También podría gustarte