Diseño y Metodologia LSS

Diseño de Metodologías Six Sigma
www.bsginstitute.com
DISEÑO PARA SIX
SIGMA
22
CAPÍTULO 1: INTRODUCCIÓN
AL DISEÑO PARA SIX SIGMA
3
CAPÍTULO 1: Introducción al
DFSS
Sesión 1: Definición e
introducción al DFSS
4
Escenario HIPOTÉTICO
• Nuestros productos están hoy
aproximadamente a un nivel de calidad
sigma 3.5 (corto plazo).
PPM EL OBJETIVO BÁSICO
• Nuestros tiempos de ciclo de desarrollo se 1000000
calculan que son un 30-50% más largos que 100000
10000
el rendimiento mejor de su clase.
Empresa
1000
Media
• Ingeniería gasta aproximadamente el 40% de
100
Mejor-de-su -clase
10
su tiempo dando su apoyo a productos 1 3 4 5 6
actuales, el 20% de los cuales es reparación

de diseño. Escala de Medición Sigma
• Nuestro índice de satisfacción del cliente

está por debajo de nuestro objetivo.
5
La Mayoría de los Problemas de
Calidad están generados en el diseño
Defectos de Fabricación: 20 - 30%
Problemas de Calidad de Diseño : 70 - 80%
Coste Relativo
Coste relativo/Dificultad de
Corregir el Problema de Calidad
Concepto Diseño Prototipos Producción
La Ingeniería tiene la oportunidad más grande para mejorar la calidad del

producto.
6
La Pared “Cinco Sigma”
No podemos llegar a 6 Sigma sin mejores diseños
Se necesita DFSS
• El 70-80% de todos los problemas
de calidad están relacionados con el
diseño
• Incluso con la Estrategia de

Ruptura, es posible que fabricación 6 Sigma
no pueda suministrar
productos/servicios 6-Sigma
Los nuevos e inherentes diseños

6-Sigma son la única forma de
llegar al objetivo corporativo. 3 Sigma
“Pared 5-Sigma”
7
Desarrollar un Diseño Robusto
Elementos Principales:
Identificación Capacidad del Análisis de la

CTQ Proceso Tolerancia
DISEÑO ROBUSTO
La Metodología Six Sigma Mejora las Prácticas Actuales de Diseño
8
Diseño para Proceso Six Sigma
Idealmente, queremos
• Entender la desviación típica del proceso
• Determinar las tolerancias Six Sigma
m
• Confirmar que se satisfacen las
expectativas del cliente
Sin embargo:
• Es posible que los límites iniciales de
capacidad de proceso no sean
conformes a las necesidades del cliente LSL -6s T +6s USL
Por lo tanto:
• Se requiere un proceso de diseño Six Sigma conduce a mejor definición.
interactivo para racionalizar las
necesidades del cliente, la capacidad del
proceso y la funcionalidad
9
Proceso de Diseño Six Sigma
Herramientas Claves
Identificar Requisitos del Cliente/Producto
QFD, AMFE Identificar Requisitos Técnicos 1 Identificar
Coste de Objetivos (CTQ Variables y Limites)
Revisión de fase
•Diseño Elegante y Simple
•Valoración de riesgo Formular Diseño de Concepto
Identificar Riesgos Potenciales
•Análisis de Ingeniería
Identificar Parámetros de Diseño para CTQs
•Simulación
Encontrar Parámetros de Diseño Críticos y su 2 Diseñar
•DOE Influencia en CTQ (Funciones de Traspaso)
•Herramientas de Análisis
Revisión de fase
•Base de Datos de Fabricación
y Flujo de Herramientas Evaluar Capacidad de Proceso para Conseguir Parámetros
•Modelos de Capacidad de Críticos de Diseño y Satisfacer los Límites de CTQ 3 Optimizar
Proceso Optimizar Diseño para Minimizar
Realizar equilibrios
•Diseño Robusto Sensibilidad de CTQs a los
Para Asegurar que todos los
•Métodos Monte Carlo Parámetros del Proceso CTQs se Satisfacen
•Tolerancias Determinar Tolerancias
•Herramientas MAIC Calcular (Tarjeta DFSS) y Costes
Revisión de fase
No OK
Revisión de excepción
Prueba y Validación
•Pruebas Aceleradas
Evaluar Rendimiento, Modos de Fallo, OK
•Ingeniería Fiabilidad Fiabilidad y Riesgos 4 Validar
•AMFE
No OK
Revisión de Fase Final

10
10
Introducción a DFSS
• Tipos de nuevos productos (Crawford y Cooper):
• Productos completamente nuevos: impresoras Laser
• Entrada de nuevas categorías: nuevas para la empresa
• Adiciones a líneas de productos: café descafeinado

• Mejoras a productos: mejores productos actuales
• Reposiciones: producto para nuevo uso o aplicación
• Reducciones de costos: reemplazo de productos

actuales por otros de menor costo
11
• De cada 10 nuevas ideas surge el desarrollo de 4
productos de los que se lanzan 1.3 y sólo uno es
exitoso, por lo que se requieren muchas ideas. Los
productos exitosos se obtienen:
• Productos únicos con valor para el cliente

• Fuerte orientación al mercado hacia satisfacer necesidades
• Esfuerzo de equipo: ventas, ingeniería, mercadotecnia
• Preparación del lanzamiento
• Selección adecuada de proyectos, eliminar a tiempo los
malos proyectos
12
• Trabajo previo al desarrollo:
• Filtraje
• Análisis de mercados
• Evaluaciones técnicas
• Investigación de mercados
• Análisis del negocio
• Buena definición del producto y del proyecto
• Calidad en la ejecución de los pasos del desarrollo y del

diseño
13
• Esfuerzos de equipo incluyendo miembros de
desarrollo del producto, investigación y desarrollo,
mercadotecnia y operaciones
• Liderazgo de la alta dirección
• Rapidez de introducción al mercado
• Nuevos procesos para los productos
• Mercados atractivos
• Fortaleza de las habilidades de la empresa con
sinergia
14
• GE Plastics sugiere usar las mejores prácticas en cada etapa de
desarrollo de los productos como son:
• Entender las características críticas de calidad (CTQs) para los

clientes internos y externos
• Realizar un estudio de modos y efectos de falla FMEA
• Realizar Diseño de experimentos para identificar variables

clave
• Hacer Benchmarking de otras plantas
15
PDP y Estrategia de Ruptura
PDP
Es un Proceso para DESARROLLAR
productos y servicios que satisfacen (encantan) a los
clientes rápidamente y a bajo coste.
Estrategia de Ruptura
Es un Proceso para ENTREGAR
productos y servicios que satisfacen (encantan) a los
clientes rápidamente y a bajo coste.
16
PDP y Six Sigma Colaboran
Lecciones aprendidas de proyectos Six Sigma
PDP y Six Sigma trabajan
PDP juntos para crear un “Ciclo

Virtuoso” que conduzca a
mejoras continuas:
6s
Niveles más altos de sigma en el lanzamiento del producto
17
CAPÍTULO 1: Introducción al DFSS
Sesión 2: Proceso de Desarrollo de
Productos
18
18
¿Qué es PDP?
PDP es un enfoque integrado y equilibrado hacia el desarrollo del producto que
involucra a todos los grupos y niveles funcionales dentro de la unidad del
negocio.
Ofrece más enfoque hacía el cliente

• Mejora la predecibilidad, y reduce los tiempos de ciclo del desarrollo del
producto
• Reduce los requisitos de apoyo post lanzamiento al incrementar la calidad
del diseño
• Permite a la dirección superior gestionar mejor los proyectos de desarrollo
del producto
• Enfoca los equipos de desarrollo del producto en lo que realmente hay
que hacer
• Satisface los requisitos de la documentación ISO-9000
PDP es un proceso de desarrollo de producto de los

mejores de su clase
19
Beneficios de un PDP Mejor de Su Clase
Crecimiento aumentado
 Tiempo de diseño significativamente más rápido: a través de estrategia de
 40%-60% en la mayoría de los producto mejorada
casos
Desarrollo de tecnología
 Menos malgasto de inversión de desarrollo del más eficaz
producto
 Integrado con el
 10%-15% menos desperdicio desarrollo del
 Crecimiento incrementado a través de más nuevos
producto
productos  Integrado con
 Nuevos beneficios de producto estrategia del
puesto que un % de beneficios producto
totales es más alto
Productividad
 Productividad de I y D incrementada continuamente
 20%-30% es típico mejorándose a través de
la gestión del proyecto
20
Elementos de Gestión de Proyectos PDP
El Proceso de Diseño de Producto incluye cuatro elementos
claves de gestión de proyecto y consigue integración cruzada-
funcional para proyectos de desarrollo de producto:
Desarrollo Estructurado
Revisiones de Fase
Equipos núcleos
Herramientas y Técnicas de
Desarrollo
21
Proceso de Desarrollo Estructurado
• Producto Núcleo y Desarrollo de Tecnología
Fase 1 – Innovación de Ideas de Producto
Fase 2 – Planificación de Conceptos
Fase 3 – Prueba de Concepto
Fase 4 – Transición de Tecnología
• Aplicación de Producto
Fase 5 – Evaluación de Pedido del Cliente
Fase 6 – Personalización del Diseño
Fase 7 - Validación
• Apoyo de Producto Actual

Fase 8 – Construcción de Producción
Fase 9 – Apoyo continuo
22
Mapa de Ruta para PDP
Desarrollo de Producto Núcleo y Tecnología Aplicación del Producto Apoyo Producto Actual
Fase 1 Fase 2 Fase 4 Fase 5 Fase 6 Fase 8 Fase 9
Fase 3 Fase 7
Innovación Planificación Transición de Evaluación Personalización Construcción de Apoyo
Idea del producto del concepto Prueba del concepto Tecnología Oportunidad Producto del Diseño Validación Producción continuo
Desarrollar Apoyo de Resolución de
Pre- Alternativas Lanzamiento Emisión de
Investigación De diseño Producto
del producto
Desarrollar/ Diseño – Diseño Eval. Reg. del Especif. Sist. Proceso
Prueba de Cambio del y diseño de la
diseñar concepto Detallado Aplicación Continuo/
Producto
conceptos Mejora de
Desarrollo de Producto
de proceso Herramientas
De prototipo
Crear Muestras
De Prueba Fabricar piezas Fabricar Construcción
de prototipo Prototipos Pre- producción
De concepto
Prueba de Prueba de Pruebas de Prueba
Prueba de verificación Validación de Validación
Concepto diseño y proc. diseño Producción
Plan de Capacidades Preparación de
Evaluar de fabricación Proveedores
Fabricación y Producción y
fabricabilidad Suministro y suministro Base suministro De apoyo
Desarrollar y
Ord. Herram.
y equipo
Preparación
Plan de Servicio de
Transición Clientes
Desarrollar Desarrollar Actualizar Actualizar Preparar Actualizar Actualizar
Propuesta El plan de El plan de Plan de Plan de Cerrar plan
El Plan de Plan de
De negocio negocio Negocio Programa Programa Programa de programa
Negocio
Preparar
Concesión
Presupuesto
del contrato
(trabajo 1)
Revisiones fase Concepto Diseño Decisión de Emisión diseño y Preparación de Revisión del cierre del
Otras revisiones aprobación del la revisión del
preparar el programa
cliente lanzamiento
presupuesto
23
23
Revisiones de Fase
Las Revisiones de Fase son puntos claves de decisión de
NEGOCIO de un proyecto de desarrollo de producto.
Desarrollo de Producto Núcleo y Tecnología
(TD) PAC`s
VP
VP VP VP VP VP
Pres. Gestión
Ing. Ops. Mkting Calidad Finanzas De mat.
Aplicación del Producto (PA) PAC’s
VP Dir. Dir. Dir. Dir. Dir.

Dir.
línea de Ing. Ops. Mkting. calidad Finanzas Gestión
producto De mat.
.
24
Revisiones de Fase: continuación
Asegúrese que los proyectos están bien planificados y en curso
• Establezca un “contrato” de equipo para la siguiente “Fase”;
incluyendo riesgo y capital
• Resuelva conflictos inter-proyectos
• Haga cumplir el uso del proceso de desarrollo estándar
Gestione con eficacia la cartera de proyectos de desarrollo

• Equilibre los recursos a través de proyectos basados en prioridades
• Autorice los nuevos proyectos
Fije estrategias claras y consistentes

• Establezca y mantenga la visión de la línea de producto
• Asegúrese la constancia entre estrategia y proyectos en camino
• Haga decisiones de Ir, No Ir y Redirigir al final de cada Fase
25
Revisiones de Fase
Las Revisiones de Fase se realizan con uno o dos tipos de Comités de
Aprobación de Dirección Superior de Producto (PAC`s)
Desarrollo de Producto Núcleo y Tecnología Permite a la dirección decidir si
(TD) PAC`s los proyectos de desarrollo de
tecnología deben seguir a la
VP VP VP
VP siguiente fase de desarrollo en
VP VP
Pres.
Ing. Financier a Gestión base a la estrategia de producto
Ops. Mkting calidad
De mat. acordada y los objetivos de
negocio
Aplicación del Producto (PA) PAC’s

Asegura que las aplicaciones
de productos satisfacen a los
Dir.
VP Dir. Dir. Dir. Dir. Dir. compromisos acordados de
Gestión
línea de
producto
Ing. Ops. Mkting. calidad Financiera cliente (rendimiento,
De mat.
programa, volumen) y de
negocio (margen, calidad)
26
Criterios de Salida de las
Revisiones de Fase
Las PACs y los Equipos Núcleos utilizan Preguntas de Criterios de Salida de
las Revisiones de Fase para asegurar que los proyectos están realmente
listos para seguir a la siguiente Fase.
Las PACs y los Equipos

¿Este proyecto de tecnología Núcleos hacen
sigue ajustándose a la decisiones de Ir, No Ir,
estrategia de producto de la o Redirigir al final de
Empresa? cada Revisión de Fase
27
Equipos Núcleos
Circulo Cliente-a-Cliente
Satisfacción del Cliente
Operaciones
de Campo Planificación de Producto
La Participación Cruzada-
funcional y los niveles diferentes
de involucración caracterizan a
los Equipos Núcleos para el
Desarrollo de Tecnología (TD) y Fabricación Desarrollo de Producto
Calidad, Coste y Entrega
proyectos de Aplicación de (PA).
28
Equipos Núcleos (Continuación)
Apoyo del Equipo Núcleo
PAC Patrocinador
Gestión de Base Calidad
de Suministro. -miembro PAC disponible para
consulta y consejo
Líder de Equipo Núcleo Legal –búsqueda de patentes,
Operaciones revisión de patentes,
Experto del Proceso del Empresa
Desarrollo del Producto presentación de patentes,
negociaciones de contratos
claves
Ingeniería Finanzas
R.H. - Fijación de objetivos,
evaluación de rendimiento,
formación, políticas de
personal
IS&S - Apoyo de sistema
29
Conducir Proyectos de TD y PA
• Personalice el modelo de miembros del Equipo Núcleo que mejor se ajuste a su
proyecto
• Desarrolle y actualice la justificación del negocio de su proyecto para cada
Revisión de Fase
• Ofrezca alternativas de proyecto y recomendaciones a las Revisiones de Fase
• Gestione todos los aspectos de su proyecto para completar cada fase dentro
del “contrato” del proyecto
• Convoque una Revisión de Fase si el proyecto está fuera de los limites del
“contrato”
El Buen Liderazgo de Equipos Núcleo
es la clave para el éxito del Equipo
Núcleo
Los Equipos Núcleos tienen que conducir sus proyectos de Desarrollo de

Tecnología (TD) y Aplicación de Proyectos (PA):
30
Herramientas y Técnicas de Desarrollo
PDP Herramientas Específicas
Herramientas de Diseño •Plan de Negocio
•PDP plantillas de planificación de proyecto on-
Tradicionales
line
•CAD y modelado sólido •Plan de Transición
•Tarjeta de Producto •Plan de Fabricación y Suministro
•MS Project •Modelo de Análisis Financiero
•DAMFE y PAMFE •Requisitos de producto
•Libro de Proyecto •Plantillas de Presentación de Revisión de Fase
–Plan de Calidad •QFD tipo de herramienta
•Plan de programa
– Seguimiento del Proyecto
•Sistema de Control y Seguimiento de Cambio
•DOE (si es apropiado) de Producto
•Simulador de prueba ( si es - Justificación de proyecto y Hoja de
apropiado) Seguimiento
- Base de datos de Seguimiento
Sistemas de Información para Apoyar PDP (Infraestructura)

•Base de datos de re-uso de diseño  Sistema de Seguimiento de Emisión del
Cliente
•Petición de prueba de laboratorio  Sistema de Seguimiento de Oportunidad
de Producto
•PDP herramienta on-line  ¿Otros? 31
31
Los Niveles Jerárquicos de PDP
PDP está organizado en niveles jerárquicos para guiar el tiempo y
profundidad de la involucración del participante.
Gerentes Gerentes Líderes del Miembros del Contribuidores
superiores funcionales Equipo núcleo Equipo núcleo individuales
Participación esperada
9
Fases
Pasos
definidos
Cientos
de Tareas
Miles de
Actividades
32
Resumen 1
¿Qué es PDP ?
 PDP significa Proceso de Diseño de Producto. Es un enfoque

integrado y equilibrado hacía el desarrollo del producto.
 PDP es el proceso que adopta una empresa para mejorar y

aumentar los procesos para traer nuevos productos al
mercado más rápidamente y con mejor calidad.
33
Resumen 2
¿Como funciona PDP ?
 PDP es un proceso de tres niveles que combina:
 Desarrollo Núcleo y Tecnología
 Aplicación del Producto
 Apoyo de Producto Actual.
 Hay nueve fases en el proceso PDP, cada una apoyada con revisiones
de fase.
 Las Revisiones de fase evalúan el desarrollo del producto durante su

curso y eliminan los problemas pronto.
34
Resumen 3
¿Cuales son los tres niveles y las nueve fases del proceso PDP ?
Desarrollo de Producto Núcleo y Tecnología

Innovación Planificación Prueba de Transición
Del idea del del concepto Concepto de tecnología
producto
Aplicación del Producto

• Evaluación de • Personalización • Validación
Petición del cliente del diseño
Apoyo de Producto Actual

Construcción Apoyo
de Producción continuo
35
CAPÍTULO 1: Introducción al
DFSS
Sesión 3: Capacidad de Proceso
Montgomery and Runger Capítulo 16
36
36
EVALUATE PHASE
Capability
Short-term
Sources of Variation
Tolerancing
Reliability
Refine Project
maybe Evaluate Gate no Reject
yes
Proceed to Affirm
37
Temas
• Asunciones
• Variación período corto vs. largo
• Expresiones de capacidad
• Tolerancia natural
• z-scores
• Fracción de no conformes
• Indice de Capacidad
38
Asunciones para expresar la Capacidad
• “Razonable” salida de un proceso estable
• Estable por 25 o más puntos. (plot points) o
• Cuando causas especiales aparecen, se deberá tomar
una acción correctiva apropriada.
• (Para datos de variables) “Razonable” salida de un proceso

normalmente distribuida.
• Cualquier desviación normal, no considerada
importante.
• Conversión de escala (ej. logaritmos ) sería requerido.
• Un estimado de s es necesario.
39
Verificando el Control
El proceso estable se muestra a través de Gráficos de
Control de Shewhart.
Aluminum Content in Zinc Bath

0.24
UCL=0.23373
0.23
0.22
Individual Value
0.21
_
X=0.20248
0.20
0.19
0.18
0.17 LCL=0.17123
1 3 5 7 9 11 13 15 17 19 21 23 25
Batch
40
Verificando Normalidad
1. Medidas estadísticas como:
• Skew y Curtosis
• Goodness-of-fit tests
2. Significado Gráfico (visual) como:

• Histogramas
• Normal probability plots
41
Verificando Normalidad – Enfoque Gráfico
8
Normal - 95% CI
7
99
Mean 0.2025
6 StDev 0.01162
Frequency
95 N 25
5 AD 0.197
90
P-Value 0.876
4 80
70
3
Percent
60
50
2 40
30
1 20
10
0
0.176 0.184 0.192 0.200 0.208 0.216 0.224 0.232 5
Al
1
0.16 0.17 0.18 0.19 0.20 0.21 0.22 0.23 0.24
Al
Evidencia de normalidad
Una línea recta aproximada
apoya la asunción de
normalidad.
42
Capacidad del proceso
• Expresiones comunes
• Tolearancia natural: ±3s ó 6s ó m±3s
• Fracción de no conformes o DPPM
• z-score: e.j. proceso ”6 sigma”/ nivel sigma
• Indice de capacidad
• Todas excepto la segunda expresión requieren
un estimado de la desviación estándar, s
43
Estimando la Desviación
Estándar del Proceso
• Fuentes de variación (ruido) tienen un cuadro de
referencias en tiempo y en espacio.
• El cuadro de referencias es contínuo pero por
conveniencia se divide en dos:
• Variación por período corto (short-term), y
• Variación por período largo (long-term)
• Short-term vs. long-term es relativo.
44
• Variación período corto es la variación observada cuando
varias fuentes se mantienen constantes, i.e. Hay “una”:
• Un operador
• Una medida
• Un lote
•…
• Prototipos, estudios pilotos, bastante informción del DFSS
es de período corto.
45
• Variación en período largo es cuando la variación es observada
por un largo período de tiempo o en un espacio prolongado.
Pensar en “múltiple”:
• Múltiples operarios
• Múltiples medidas
• Múltiples lotes
• …
• La variación en período largo es lo que los clientes observan, pero

muchas de las fuentes de este tipo de variación no son percibidas
hasta las fases de Afirmar (Affirm) y Escalar (Scale-up).
46
• La desviación en período corto, sST, puede ser
estimada desde
• Gráficos de control (Convirtiendo MR, R, s )
• Repeticiones de puntos del diseño desde un
esperimento.
• Muestra total de un desviación estándar, s, si el cuadro
de referencia es “pequeño”
47
• Una desviación estándar de período largo, sLT, puede ser
estimada desde
• Muestra completa de una desviación estándar, s, si el
cuadro de referencia es “largo”
• Estudio de período largo (Ver Módulo S4)
• Asumir in incremento del período largo sobre el corto (Ver la
siguiente definición)
• En general, sST < sLT, pero sST > sLT en la presencia de un

sobrecontrol.
48
Estimación de la desviación estándar
de período largo
• Búsqueda Motorola
• empírica
• teórica
• Corrimientos y variaciones en la media del proceso será
a lo largo del tiempo un incremento de la variación en
1.5 sST
• Representa el promedio del corrimientos que la
media del proceso puede experimentar en varios
ciclos.
• Este corrimiento es responsable de la métrica “6s”.
49
Tolerancia Natural
• Expressiones
• ±3s, ó
• 6s, ó
• m ±3s
• Short-term or long-term
• Especificaciones límites no consideradas.
50
Tolerancia Natural – El Caso Normal
Esto debería ser comprensible – estadística básica
51
Tolerancia Natural – Caso no Normal
Enfoque que es útil para crear definiciones de la
capacidad.
• Transformación
• Tipos comunes:
• Logaritmo
• Raíz Cuadrada
• Invertir
• Extensión equivalente
52
• La transformación logarítmica es la más común porque muchos
procesos tienen una Distribución “log normal” .
• Comúnmente para características unilaterales:

• Plano
• Redondeado
• Tiempo
53
(Ver una applicación en Tolerancia, Módule E3.)
54
CAPÍTULO 1: Introducción al DFSS
Sesión 4: Capacidad de Proceso II
55
55
Valores-z
• Calculando valores-z
• Una cola
• Especificación unilateral
• Especificación bilateral con una caída
impercentible hacia un lado.
• Dos colas
• Especificación bilateral sin caída impercentible en
ambos lados
• Período corto o largo, pero en el corto el valor-z es llevado
al nivel proceso sigma. En el período corto el valor-z de 6
es el proceso “6s”.
56
Valores-z (z-scores) – Una cola
 USL - m
 s
 z es el número de desviaciones estándar
z   or desde la media del proceso hasta las
 m  LSL especificaciones.

 s
La fórmula se concibe para que z tenga valor positivo para

procesos que tienen un buen comportamiento.
57
Valores-z – una cola
Un proceso estable tiene una media de 12, una desviación
estándar en período corto de 3 y un a LSL de 6. Cuál es el
valor-z?
USL  m 12  6
z ST   2
s ST 3
Dado que éste es un valor-z en un período corto, éste es un
proceso “2s”
58
Fracción no-conformes
• Valores-z pueden ser mapeadas una a una con una fracción
de no-conformes o p.
m  12
s3
LSL =6
(Para datos de Atributos, p es medido directamente y el p-bar es el

estimado de la capacidad del proceso.)
59
Fracción no-conformes
• Valores-z pueden ser mapeadas una a una con una fracción
de no-conformes o p.
m  12
s3
LSL =6
(Para datos de Atributos, p es medido directamente y el p-bar

es el estimado de la capacidad del proceso.)
60
Fracción no conformes
Calc  Probability Distributions  Normal…
Probabilidad acumulada
1. Usando z directamente:
Mantener media en 0, y desviación estándar en 1
Ingresa -z como la constante de entrada.
La ruta permite obtener la fracción de no

conformes.
61
Función Distribución Acumulada
Normal con media = 0 y desviación estándar = 1
x P( X <= x )
-2 0.0227501 p= 2.3% por debajo de LSL or 22750 DPPM
s3
m  12
LSL =6
62
2. Utilizar la media, desv. est., y SL:
Ingresar m o como Media, Ingrese s o s como desv. estándar
Y
Ingresa el SL como la constante de entrada.
La ruta retorna la fracción de no conformes

para un LSL, y la fracción de conformes para
un USL.
63
Fraction non-conforming
Función Distribución Acumulada
x P( X <= x ) p= 2.3% por debajo de LSL o 22750 DPPM

6 0.0227501
s3
LSL =6 m  12
64
Valores-z – dos colas
Obtener un valor-z cuando no hay una caída impercentible en
ambas colas, esto es un proceso de 2 pasos:
1. Convertir ambos Z’s a p’s.
2. Añadir las p’s y convertir la suma en un z equivalente.
m  LSL
zL 
s
USL  m
zU 
s
65
Valores-z – dos colas
Considerar un proceso con media 22, una desviación estándar
(short-term) de 4, a LSL de 15 y un USL de 27. Cuál es el valor z
para el proceso?
m  LSL 22  15
zL    1.75
s 4
m  22 USL  m 27  22
zU    1.25
s 4
s4
LSL =15 USL =27
66
Calc  Probabilidad Distributions  Normal…
Cumulative probability
x P( X <= x ) x P( X <= x )
-1.75 0.0400592 -1.25 0.105650
67
Total de no conformes es desde el LSL y el USL =

40059 + 105650 DPPM = 145709 DPPM
Para calcular la inversa:
Calc  Probability Distributions  Normal…

Inverse cumulative probability…
68
Mantener la media y desviación estándar en 0 y 1 respectivamente.
La constante de entrada es la fracción no conforme.
Enter 1-.145709 = 0.854291
El cálculo resulta el valor- z.
69
Distribución de la Función Inversa Acumulada
P( X <= x ) x
0.854291 1.05502
Estos es un
proceso 1s
70
• Si z < 3, la fracción de no conformes es una
medida razonable para la capacidad del
proceso.
• Si z > 3, la conversión de una fracción no
conformes se vuelve bastante dudoso según el
incremento de z. Si, por ejemplo, zST = 6 (el
proceso “6s”), el ratio observado de unidades
no conformes no es cercano a algunas órdenes
de magnitud de 2 ppb. Ningún proceso es así
de estable o normal.
71
Trabajando con valores z
• Convertir short-term z a long-term z
• Obtener datos long-term
• Restar 1.5 de zST
Para el siguiente ejercicio con zST de 1.05, zLT es estimado
en 1.05 – 1.50 =-0.45. Un valor z negativo indica que los
desplazamiento y variaciones de la media puede estar
algún tiempo al menos una fuera de los límites de las
especificaciones.
72
Tabla relacionando valores z con DPPM:
Short-term Long-term
Sigma level
DPPM DPPM
1 158655 691462
2 22750 308537
3 1350 66807
4 31.7 6210
5 0.3 233
6 0.001 3.4
Entradas son áreas de una cola con un período largo DPPM basado
en un corrimiento de 1.5sST.
73
Un proceso Six Sigma centrado
0.001 0.001
dppm dppm
LSL ± 6sST USL
74
Un proceso Six Sigma desplazado en 1.5 sST
3.4
dppm
4.5sST
± 6sST
LSL USL
75
Indices de Capacidad
• Introducido en lo US en los 60´s.
• Reforzado por Ford Motor Company en 1984
• Promovidos por su habilidad en:
• Facilitar la comunicación entre el
proveedor y el cliente.
• Mostrar grados de capacidad para
procesos capaces.
76
• Short-term
• Cp
• Cpk
• Cpm
• Long-term
• Pp
• Ppk
77
• “C” para índices en un período corto (short-term)
• “P” para índice en un período largo (long-term)
• Ser cuidadoso con los índices “P”
Los índices “P” son normalmente usados en la
práctica en estimados en un período largo de
sigma, como la desviación estándar de la muestra,
s. Raramente es una consideración dada por la
estabilidad del long-term del proceso que produce
la data. Como el uso de Pp y Ppk es dessaprobado.
78
Indices de Capcidad — Cp, Pp
Engineering tolerance USL - LSL
Cp = =
Natural tolerance 6sST
Engineering tolerance USL - LSL

Pp = =
Natural tolerance 6sLT
Cp es capacidad “potential”, algunas veces

referida como “entitlement.”
79
Indices de Capacidad — Cp, Pp
80
Indices de Capacidad— Cp, Pp
81
Indices de Capacidad — Cp, Pp
82
Indices de Capacidad— Cp, Pp
83
Indices de Capacidad— Cpk, Ppk
C pk
[
 min C pu ,C pl
]
donde
USL  m m  LSL
C  y C 
3 sST
pl
pu
3 sST
Cpk es capacidad de “desempeño”
84
P pk
[
 min P pu ,P pl
]
donde
USL  m m  LSL
P  P 
3 sLT y 3 sLT
pu pl
85
zU ST
Notar que
C pU 
3
y
z LST
C pL 
3
86
87
88
89
90
Consideraciones de los Indices de Capacidad
Preocupaciones técnicas:
• No persiguen calidad, éstos hacen seguimiento que tan lejos el
proceso está en “ problema”.
• No deben ser calculados en un proceso inestable.
• Son caraterísticas de un proceso no una muestra estadística. Por

supuesto que pueden ser percibidos como una muestra
estadística, pero luego se tiene que lidiar con distribuciones de
muestras complejas.
• El índice común no se acomoda a especificaciones asimétricas.

(Meta +0, -10)
91
Consideraciones de los Indices de Capacidad
(cont.)
Preocupaciones Gerenciales
• Cpk is often held out as a carrot.
• EL índice se vuelve una meta más que un valor de
mejora de percepción del cliente.
• Indices sobre simplifican la relación proveedor/cliente.
• Todos los índices se orientan hacia los resultados más que
al proceso.
92
Indices de Capacidad—Cpm
USL LSL
Cpm 
6 (m T) +s
2 2
donde T es la meta del cliente.

• Cpm ingresa pérdida al cuadrado en el denominador.
• Cpm reduce hasta cierto punto que la media del proceso
está fuera del objetivo.
• Cpm es más difícil de interpretar, y no es muy usada
93
CAPÍTULO 2: Tarjeta Producto
Sesión 1: Capacidad de las
Piezas
94
94
Tarjetas de puntuación
Las diapositivas siguientes demuestran como:
• Determinar el nivel Sigma de cualquier proceso.

• Calcular, en la fase de diseño, los Niveles Sigma de la
PIEZA, PROCESO, RENDIMIENTO Y PRODUCTO de un
producto
• Complete la Tarjeta del Producto
• Calcule los valores TDU y Z para cada elemento de la
Tarjeta
• Analice los datos de la Tarjeta de puntuación
95
Tarjeta de Puntuación de Producto y
Estrategia de Ruptura
¿Como se ajusta la “Tarjeta de Puntuación del
Producto” con la Estrategia de Ruptura?
Los datos recogidos durante la fase de medición de la

Estrategia de Ruptura son ANALIZADOS para
determinar un nivel “Sigma”.
Los Niveles de Proceso Sigma pueden ser utilizados
para determinar la capacidad de procesos no
similares, así como similares.
96
La Tarjeta del Producto
Pieza s Proceso s Rendimiento s Producto s
DPU Oppt. DPU Oppt. DPU Oppt. DPU Oppt.
Actividad Est Count Est Count Est Count Est Count
Totales 0.000000 0 0.000000 0 0.000000 0 0.000000 0

Rendimiento 1.000000 1.000000 1.000000 1.000000
Sigma #NUM! #NUM! #NUM! #NUM!
DPU/Oppt. #DIV/0! #DIV/0! #DIV/0! #DIV/0!
Rendimiento/Oppt. #DIV/0! #DIV/0! #DIV/0! #DIV/0!
Sigma/Oppt. LT #DIV/0! #DIV/0! #DIV/0! #DIV/0!
Sigma/Oppt. ST #DIV/0! #DIV/0! #DIV/0! #DIV/0!
Contiene cuatro elementos:

1. Sigma Pieza
2. Sigma Proceso
3. Sigma Rendimiento
4. Sigma Producto 97
97
Tarjeta del Producto
¿Como se ajusta la “Tarjeta de Producto” dentro del Proceso de
Diseño de Producto (PDP) general?
Producto núcleo y Desarrollo de Tecnología El inicio del borrador de la

Innovación de Planificación del Prueba de Transición de Tarjeta de Producto empieza
Idea de producto concepto concepto tecnología
durante la fase de “Prueba
de Concepto”…
Aplicación del Producto

Evaluación de Personalización
Validación … y se actualiza
Pedido del cliente Del diseño
continuamente en cada fase
siguiente.
Apoyo de Producto Actual

Construcción de Apoyo continuo
producción
98
Factura Tradicional de Coste de Materiales
¿Se consideran los gastos generales y no recurrentes parte de las
operaciones?
• Factura de coste de material
• $/pieza
• $/operación
• COSTE TOTAL $ $
• Tarjeta de Producto
• DPMO’s (Defectos por millón de oportunidades)
• TOTAL SIGMA s
• Las Empresas eficaces consiguen productos que tienen Sigmas Altos y Costes
Bajos.
s 99
Tarjeta de Producto, Estrategia de
Ruptura, PDP
Productos actuales Plan de Mejora del Producto
utilizan tarjeta 6s Productos Nuevos
PDP
Prepare lista de
productos Rellene tarjeta de
producto
Vaya al siguiente
línea de producto
Continúe hacía
¿Producto NO
¿Producto SI
próxima fase
menor que 5s? mayor que 5s?
SI NO
• Determine parte(s) débil(es).

¿Producto por NO
debajo del • Implemente acciones
margen? correctivas antes de la siguiente
SI Prepare Plan de fase.
Mejora
100
100
Ejemplo: LAZ Palos de Golf
Empresa de Fabricación de Palos de Golf
101
La Hoja de Trabajo de Piezas
102
La Hoja de Trabajo de Piezas
 Una hoja de trabajo por cada submontaje mayor construido en
la fábrica (mínimo de una por producto)
 Es imprescindible utilizar el Listado de Piezas de Producto
 Contiene datos de defectos de las piezas que llegan
 La intención es aplicar los principios de Diseño para Fabricación
(DFM) de menos piezas y tipos de pieza y elegir proveedores de
alta calidad
Los Datos de caracterización (variables) son una fuente

más rica de información que los datos de defectos.
103
Rellenar la Hoja de Trabajode Piezas
¿Qué información se necesita?
 Lista de Piezas
– No. de Pieza
– Proveedor
– Cantidad
 Cálculos de Nivel de Defectos de Piezas Entrando

– PPM nivel defectuoso o
– Media, desv.típ y límites de especificación
– Utilice “piezas similares” si hay datos limitados en el
número de piezas nuevas.
104
Reglas Básicas de la Hoja de Trabajo de Piezas
• Cuente todas las piezas que se reciben en el edificio y sus defectos.
• Una pieza es cualquier cosa que entra el edificio que tiene un número de
pieza única. Por lo tanto, un submontaje complicado cuenta igual que un
tornillo simple si se fabrica fuera del edificio y se compra como número de
pieza simple.
• Se pueden ampliar los límites para incluir otras fábricas, incluso

proveedores cuando tiene sentido; pero todos los defectos y pasos de
proceso dentro del límite establecido tienen que estar incluidos.
• Todos los datos utilizados en las hojas de trabajo se suponen que son de
largo plazo. Si los únicos datos disponibles son de corto plazo, hay que
hacer las conversiones apropiadas.
¿¿¿ Que es una pieza???
105
Hoja de Trabajo de Piezas –Palo de Golf
\DataFile\PartWSResults.xls
Proveedor Pieza nº Nombre de Pieza Cantidad PPM DPU
Coby Steel GC007 10 Driver Head 1 5,000 0.005000
True Temper TT107 Graphite Shaft 1 10,000 0.010000
Golf Pride GP002 Tour Wrap Grip 1 500 0.000500
JJ Plastics FR100 Wood Ferrule 1 1,000 0.001000
Total TDU 4 0.016500
Tasa de defectos de fuentes recibidas o

suministrados por los proveedores, esperada
en el muelle trasero
Coby Steel Calculo Total DPU
Total DPU = Cantidad*PPM/1,000,000
Total DPU = (1*5,000)/1,000,000 = 0.005000
Total DPU (TDU) =  Pieza DPU’s
106
Calcular los Resultados de Hoja de Trabajo de Piezas
Nombre de Pieza Golf Club
Cuenta de Pieza Total 4 TDU 0,016500

Defectos / Pieza 0,004125 Rendto. 98,36%
Rendimiento / Pieza 99,59% Sigma 2,14
Pieza Sigma(LT) 2,64
Pieza Sigma(ST) 4,14
TDU =  Pieza DPU’s
Rendimiento = e-TDU
Sigma = NORMSINV(rendimiento)
Defectos/Pieza = TDU/cuenta de piezas total
Rendimiento/Pieza= e-Defectos/Pieza
Pieza Sigma (LT)= NORMSINV(rendimiento/Pieza)
Pieza Sigma (ST)= Pieza Sigma (LT) +1.5
107
107
Resultados de la Hoja de Trabajo
de Piezas
Nombre de Pieza Palo de Golf
Cuenta de Piezas total 4 TDU 0.016500
Defectos/Pieza 0.004125 Rendto. 98.36%

Rendimiento/Pieza 99.59% Sigma 2.14
Pieza Sigma(LT) 2.64
Pieza Sigma(ST) 4.14
El Nivel de Sigma,
o Benchmark Sigma Valor Z basado en Rendimiento
de Primera Vez
108
108
Ejercicio de Piezas
Abajo hay una lista de piezas en este punto del diseño del Palo de
Golf. Lo siguiente son datos de defectos sobre piezas parecidas que
ahora están siendo montadas en la fábrica.
Se utilizará un proveedor nuevo de Mangos para conseguir un
rendimiento más alto al reducir el peso. No hay datos de defectos
recibidos, pero el proveedor nos ha dado los siguientes datos de sus
gráficas SPC durante los 2 últimos años.
Característica Media Desv. Tip LSL USL \DataFile\PartWSResults.xls

Diametro Punta 0,3330 0,0005 0,3300 0,3350
Diametro Culata 0,6250 0,0020 0,6100 0,6300
Par 3,5500 0,0500 3,4000 3,8000
Peso 83,5000 0,4000 81,0000 85,0000
109
Ejercicio de Piezas – Mango de Golf
Característica Z-LSL Z-USL PPM-InferiorPPM-SuperiorPPM-Total
Diametro Punta 6,000 4,000 0 32 32
Diametro Culata 7,500 2,500 0 6.210 6.210
Par 3,000 5,000 1.350 0 1.350
Peso 6,250 3,750 0 88 88
Total 1.350 6.330 7.680
Calcular ZLSL , ZUSL

PPM-Inferior = (probabilidad defecto en cola inferior)*1,000,000
PPM-Superior = (probabilidad defecto en cola superior)*1,000,000
Total PPM =  Pieza PPM-Total
¿Qué se debería hacer si los datos de arriba fueran de

corto plazo en vez de largo plazo??
110
Ejercicio de Piezas – Palo de Golf
Proveedor Pieza Nº Nombre Pieza Cantidad PPM DPU
Coby Steel GC007 10 Driver Head 1 5.000 0,005000
True Temper TT107 Graphite Shaft 1 7.680 0,007680
Golf Pride GP002 Tour Wrap Grip 1 500 0,000500
JJ Plastics FR100 Wood Ferrule 1 1.000 0,001000
Total TDU 4 0,014180
Total DPU = Cantidad*PPM/1,000,000

Total DPU (TDU) =  Pieza DPU’s
111
CAPÍTULO 2: Tarjeta Producto
Sesión 2: Capacidad del
Proceso
112
112
Rellenar la Hoja de Trabajo del
Proceso
 Mapa de flujo del proceso para su producto

 Cálculos de defectos para cada proceso o grupo de
procesos
– Cp, Ppk, PPM, DPU
– o calcule desde m y s
 Base para datos de defectos que se recogen
actualmente (por pieza, por montaje, por producto,
etc..)
113
Reglas Básicas de la Hoja de Trabajo del Proceso
• Use todo el procesamiento que ocurre dentro de las 4 paredes
• Todos los pasos de proceso deben estar identificados al crear un mapa de
proceso del producto
• Como mínimo, el mapa de proceso debe incluir los puntos de cuenta de defectos
actuales
• Los Puntos de prueba e inspección pueden añadir defectos
• Identifique todas las oportunidades del proceso en cada paso
(No incluya piezas puesto que fuero contadas en la Hoja de Trabajo de Piezas)
• Todos los datos utilizados en las hojas de trabajo se suponen que son de largo
plazo; si los únicos disponibles son de corto plazo, hay que hacer las
conversiones apropiadas
114
El Mapa de Proceso – Palo de Golf
Punta de Chorrear punta Instalar regatón Mezclar Epoxy
Mango de mango en mango 2 componentes
I I
.003000 .005000 .000100 .000010
Llenar Cabezal
Instalar Mango Cortar Palo a Fijar cinta de
Del palo
Secar 24 Horas longitud agarre
Con Epoxy I
.000020 .004000 .005000 .000001
Lubricar Empaquetar
Instalar Limpiar e
Cinta y Agarre palo
agarre Inspeccionar I
con Solvente y enviar
.000005 .008000 .000050 .000005
115
Resultados de la Hoja de Trabajo del Proceso –
Palo de Golf
Nombre de Pieza Golf Club
Oppt. Totales Proceso 11 TDU 0,025196

Defectos/Oppt. 0,002291 Rendimiento 97,51%
Rendimiento/Oppt. 99,77% Sigma 1,96
Proceso Sigma(LT) 2,84
Proceso Sigma(ST) 4,34
TDU =  Part DPU’s Nivel de Sigma Benchmark
Rendimiento = e-TDU
Sigma = NORMSINV(Yield)
Defectos/Oppt. = TDU/Cuenta Total de Piezas \DataFile\ProcessWSResults.xls
Rendimiento/Oppt. = e-Defectos/Oppt.
Proceso Sigma (LT)= NORMSINV(Rendimiento/Oppt.)
Proceso Sigma (ST)= Proceso Sigma (LT) +1.5
116
116
Rellenar la Hoja de Trabajo de Rendimiento
 Una lista de las características/requisitos claves del
cliente
– Del contrato
– CT matriz / QFD
– De un producto AMFE
– De los requisitos de la prueba
 Mediciones de producto contra aquellas

características/requisitos
– Datos de prueba
– Datos de simulación
– Datos de producto pasados
117
Reglas Básicas de Hoja de Trabajo de
Rendimiento
• Hay que listar todos los requisitos claves del cliente (es
posible que haya que hacer una traducción a términos de
ingeniería)
• Otros parámetros de rendimiento potenciales a añadir son
aquellos probados durante la calificación o verificados durante
la producción
• Todos los datos utilizados se suponen que son de largo plazo,

si los únicos datos disponibles son de corto plazo, hay que
hacer las conversiones apropiadas
118
Calcular la Capacidad del Proceso
• Utilizar datos del sistema de calidad disponibles para calcular DPU o PPM
• Utilice Datos de Gráfica de Control m  X s = R/d2
• Utilice datos de corto plazo del proceso real
El Objetivo de Par es 10 grados
El LSL es 9.0 grados y el USL es 11.0 grados
Medimos 30 muestras y obtenemos m = 10.2 y s = .2
ZLSL = (10.2 - 9.0)/.2 = 6
ZUSL = (11.0 - 10.2)/.2 = 4
Desde Excel, los DPU`s serían .000032 & ZST = 4.0
para convertir a largo plazo:
ZLT = 4.0 - 1.5 = 2.5
El nivel DPU de largo plazo sería .006210
119
¿Podemos satisfacer los requisitos?
Hemos recogido los siguientes datos de prueba durante los últimos años.
Requisitos de Rendimiento de Palo de Golf
Parameter Units Mean LSL USL
Driving Distance Yards 250.0 245.0 255.0
Swing Weight SW 4.0 3.9 4.1
Torque Degrees 3.6 3.4 3.8
Total Weight Grams 340.0 336.0 344.0
\DataFile\PerfWSResults.xls
Parámetro Unidades Objetivo LSL USL Muestra m Muestra s
Distancia de Golpe Yards 250,00 245,00 255,00 251,00 1,20
peso del Swing SW 4,00 3,90 4,10 3,98 0,03
Par Grados 3,60 3,40 3,80 3,65 0,06
Peso Total Gramos 340,00 336,00 344,00 341,00 1,00
120
¿Probabilidades de Satisfacer los
Requisitos?
Calcule Z-LSL, Z-USL, DPU, Rendimiento y Sigma tal y como se
muestra en la tabla siguiente:
Parámetro Z-LSL Z-USL PPM-Total DPU Rendimiento Sigma

Distancia de golpe 5,000 3,333 429 0,000429 99,96% 3,33
Peso de swing 2,667 4,000 3.862 0,003862 99,61% 2,66
Par 4,167 2,500 6.225 0,006225 99,38% 2,50
Peso Total 5,000 3,000 1.350 0,001350 99,87% 3,00
Total 11.867 0,011867 98,82% 2,26
121
Resultados de la Hoja de Trabajo de Rendimiento
– Palo de Golf
\DataFile\ProdScorecardGolf.xls
Nombre de pieza Golf Club
Número de Parámetros 4 TDU 0,011867

Defectos/Parámetros 0,002967Rendimiento 98,82%
Rendimiento /Parámetro 99,70% Sigma 2,26
Rendimiento Sigma(LT) 2,75
Rendimiento Sigma(ST) 4,25
Nivel de Sigma Benchmark
Para la hoja de trabajo de rendimiento, la cuenta de oportunidad es igual al número de

parámetros reales probados e incluidos en la tarjeta (una oportunidad por ítem de línea).
Estamos intentando predecir la satisfacción del cliente basado en nuestra capacidad de
satisfacer todos los parámetros simultáneamente. Si quitamos un requisito, será más
fácil satisfacer a un cliente.
122
Ejercicio de Rendimiento – Palo de Golf
El objetivo de un diseñador de palos era reducir la variación del par del mango
del palo. Se han construido treinta prototipos de palos de golf y la siguiente
media de par y desviación típica han sido calculados: m = 3.60 s = 0.04
¿Cuanto ha mejorado el nivel de sigma del diseño?
¡Rellene la hoja de trabajo de rendimiento!

Datos de corto plazo
Parámetro Z-LSL Z-USL PPM-Total DPU-st Z-st

Par 5,000 5,000 1 0,000001 4,92
Convierta a Datos de largo plazo
Parámetro Z-lt DPU-lt
Par 3,42 0,000316
Z-lt = Z-st - 1.5

DPU-lt = NORMSDIST(Z-lt)0
123
Ejercicio de Rendimiento –Palo de Golf
\DataFile\PerfWSResults.xls
Parámetro PPM-Total DPU Rendimiento Sigma
Distancia de Golpe 429 0,000429 99,96% 3,33
Peso de Swing 3.862 0,003862 99,61% 2,66
Torque 316 0,000316 99,97% 3,42
Peso Total 1.350 0,001350 99,87% 3,00
Total 5.958 0,005958 99,41% 2,52
Nombre de Pieza Palo de Golf
Numero de Parámetros 4 TDU 0,005958

Defectos/Parámetros 0,001490 Rendimiento 99,41%
Rendimiento/Parámetro 99,85% Sigma 2,52
Rendimiento Sigma(LT) 2,97
Rendimiento Sigma(ST) 4,47
Nivel de Sigma Benchmark 124

Tarjeta de Producto Final
Todos los productos con hojas Total DPU y Cuenta de
de trabajo individuales Oportunidad de cada hoja
Nombre de Producto:

DPU Opt. DPU Opt. DPU Opt. DPU Opt.
Actividad Est Cuenta Est Cuenta Est Cuenta Est Cuenta
\DataFile\ProdScorecard.xls
Totales 0.000000 0 0.000000 0 0.000000 0 0.000000 0

Rendimiento 1.000000 1.000000 1.000000 1.000000
Sigma #NUM! #NUM! #NUM! #NUM!
DPU/Opt. #DIV/0! #DIV/0! #DIV/0! #DIV/0!
Rendimiento/Opt. #DIV/0! #DIV/0! #DIV/0! #DIV/0!
Sigma/Opt. LT #DIV/0! #DIV/0! #DIV/0! #DIV/0!
Sigma/Opt. ST #DIV/0! #DIV/0! #DIV/0! #DIV/0!
Valor Sigma para Proceso, Pieza , Rendimiento y Producto
125
125
Tarjeta de Producto Final – Palo de Golf
Nombre de Producto: Palo de Golf \DataFile\ProdScorecardGolf.xls

DPU Opt. DPU Oppt. DPU Opt. DPU Opt.
Actividad Est Count Est Cuenta Est Cuenta Est Cuenta
0.000000 0
Palo de Golf 0.014180 4 0.025196 11 0.005958 4 0.045334 19
0.000000 0
0.000000 0
0.000000 0
0.000000 0
0.000000 0
0.000000 0
Totales 0.014180 4 0.025196 11 0.005958 4 0.045334 19
Rendimiento 98.59% 97.51% 99.41% 95.57%
Sigma 2.20 1.96 2.52 1.70
DPU/ Opt. 0.003545 0.002291 0.001490 0.002386
Rendimiento/Opt. 99.65% 99.77% 99.85% 99.76%
Sigma/Opt. LT 2.69 2.84 2.97 2.82
Sigma/Opt. ST 4.19 4.34 4.47 4.32
Nivel Sigma de Benchmark de Producto
126
Análisis de Piezas
 Gráfica Pareto de números de pieza con los DPU`s más
altos.
 ¿Qué pieza tiene el impacto de DPU más alto?
 ¿Qué proveedor tiene el impacto de DPU más alto?
– ¿Se puede mejorar el proceso de los proveedores?
– ¿Hay otro proveedor?
 Ordene el DPU total a través de programas por proveedor
 Cuenta total de piezas/cuenta total de línea (¿Estamos
utilizando principios DFM?)
 ¿Se pueden diseñar piezas altas de DPU?
 ¿Utiliza datos para hacer/comprar decisiones?
127
Análisis de Proceso
 ¿Qué paso de proceso contribuye más al nivel
DPU del producto?
 ¿Se puede mejorar el proceso?
 ¿Existe un proceso/tecnología alternativa?
 ¿Ayudarían gastos de capital ?
 ¿Se puede diseñar la necesidad para el
proceso?
 ¿Existe una interacción pieza/proceso que
causa los defectos?
128
Análisis de Rendimiento
 Pruebe diferentes opciones de diseño
utilizando un enfoque de puntuación Z
 Tome decisiones de negocio basadas en coste y
tasa de defectos predicha
– ¿Estamos sobre/infra diseñando?
 ¿Qué tipo de equipo de prueba/medición se
requiere para evaluar un parámetro dado?
 Utilice los experimentos diseñados para
mejorar un resultado particular al entender Y =
F(X)
129
Resumen
La Tarjeta de Producto es una herramienta para calcular el Nivel Sigma
para una pieza, o un proceso, o un rendimiento o un nivel general Sigma
de Producto.
Seis Pasos para calcular el nivel de Sigma:
Paso 1: Determinar los Defectos Totales por Unidad(DPU)

Los Defectos tienen que ser “largo plazo,” si son de corto
plazo primero tienen que ser convertidos a largo plazo
Paso 2: Determinar las Oportunidades Totales

Paso 3: Calcular los Defectos/Oportunidades = TDU/
Oportunidades Totales
130
Resumen (continuación)
-(Defectos/Opt.)
Paso 4: Calcular el Rendimiento / Opt. = e
Paso 5: Encontrar el Z-score para el Rendimiento/ppt. Es

el sigma de largo plazo (LT)
Paso 6: Convertir el sigma LT a corto plazo (ST)

Sigma (ST)= Sigma LT+1.5. El sigma ST es el valor
de sigma Benchmark. SI ST sigma es
6.0 o superior, entonces el proceso es “SIX SIGMA”
(ej., Nivel de Calidad Mejor de Su Clase).
Nota: Si estamos haciendo una evaluación sigma de “Nivel Pieza” utilice
solo el defecto de piezas y cuentas de oportunidades. Para sigma
total “Nivel de Producto” , sume las cuentas de defecto y
oportunidad para Piezas, proceso y rendimiento
131
Algunas Definiciones
 DPMO – Defectos por millones de oportunidades
 DPU - Defectos por Unidad
 TDU - Total defectos por unidad
 NORMSINV – Una función Excel que devuelve el valor Z asociado con la
probabilidad de un área de cola dado
 NORMSDIST – Una función de Excel que devuelve la probabilidad de
defecto dado un valor Z .
 EXP – el valor e aumentado a una potencia; Rendimiento = e-DPU
 Sigma/opt. – El valor Z o Sigma obtenido de dividir los Defectos Totales
por Unidad por el Número de Oportunidades
 Sigma – El valor Z o Sigma obtenido utilizando el nivel de Defecto Total
como en el Rendimiento de Primera Vez
132
CAPÍTULO 2: Desarrollo
del DFSS
Sesión 3: Tolerancias
133
133
EVALUATE PHASE
Capability
Short-term
Sources of Variation
Tolerancing
Reliability
Refine Project
maybe Evaluate Gate no Reject
yes
Proceed to Affirm
134
E2 Temas
• Escenarios de la tolerancia
• Enfoques
• Del Peor caso
• Estadístico/ RSS
• Monte Carlo
135
Objetivos típicos de tolerancia
Ensamble de elementos (enumerando requerimientos o
asignación de requerimientos estadísticos)
Dado una tolerancia en el ensamble y un nivel de

capacidad deseado, cuál debería ser las tolerancias
individuales de los elementos del ensamble?
Ensamble de elementos (enumerando capacidad)
Dadas las tolerancias y la capacidad de los elementos, cuál

es la correspondiente tolerancia para el ensamble final?
136
Ensamble de Elementos
Dado una tolerancia de ensamble y un nivel de capacidad, cuál deberá
ser las tolerancias individuales de los elementos del ensamble?
30  3
+
10  ??
+ 10  ??
10  ??
Con este problema, premisas adicionales requieres ser establecidas en
los elementos.
137
Ensamble de elementos - Arreglo Simple
30  3
Conociendo el ensamble
nominal y la tolerancia,
cómo se asignan los
10  ??
+
valores nominales de los
elementos y sus
10  ??
+
tolerancias?
10  ??
Este es un ejemplo de una Combinación Lineal: E1 + E2 + E3 =Ensamble.
Otro ejemplo puede ser: E1 - E2 + E3 - E4 - E5 = Ensamble en donde se
ven brechas.
138
Peor Caso
30  3
10  1
+
10  1
+
10  1
Resultados típicos en Sobre-Tolerancia (elementos tienen especificaciones
que son conservativamente ajustados). Peor caso es razonable si los
elementos son correlativos. Cuándo puede ser?
139
Estadístico o Raíz de la Sumatoria de
Cuadrados (Root Sum of Squares-RSS)
30  3
LSL USL
Asumir = 27 = 33
•Elementos son independientes, y
•el ensamble es un proceso a 4s.
8s Assembly  Ancho _ espec.
8s Assembly  6
s Assembly  0.75
140
Bajo la premisa de independencia,
s 2
Assembly  s +s 2
E1
2
E2 +s 2
E3
Asumiendo que queremos que todos los elementos
tengas la misma tolerancia,
s 2
Assembly  3s 2
Ei
pero s2 Assembly =0.752, entonces 0.75  3s
2 2
Ei
s Ei  0.75 1 3
s Ei  0.433
141
141
+
10  30.433
+
10  30.433
10  30.433
Amplias tolerancias que peor caso

(3 x 0.433 = 1.299 vs. 1.000)
Entonces, podremos relajar las tolerancias, de tal modo
usando elementos menos caros.
142
Ensamble de elementos
Dadas la tolerancia de los elementos, cuáles deberán ser las tolerancias
en el ensamble final?
10  1
+
+
10  1
10  1
30  ???
Este es un problema fácil – Sólo hay un desconocido por resolver.
143
Ensamble de Elementos – no-normal
10  1
+
+
10  1
10  1
LSL USL
30  ??
Y ahora?
s 2
Assembly  s +s
2
E1
2
E2 +s 2
E3
144
Ensamble de Elementos – no-lineal
10  1
Adicionalmente a determinar
50  5
150  10 la altura del ensamblaje final,
Volume = H * W * L
queremos saber el volumen de
un elemento en particular.
Y ahora?
Requiere Simulación Monte Carlo o
Aproximación de Primer Orden (no visto aquí.)
145
Tolerancia Monte Carlo
•Arreglo No-Lineal
•Volume HxWxL
•Angulos Cos(a/b)
•División V/R
•Exponenciación m x c2
•Distribución No-Normal
•Distribución Bimodal
•Distribución Sesgada
•Distribución Uniforme
146
E2: lubricante
Para facilitar una operación suave en el telescopio de la palanca de
manejo va a ser permanentemente lubricado en la cubierta.
“DeFtneSS” necesita establecer especificaciones para la cantidad de

lubricante a inyectar en la cavidad entre el eje y la cubierta. Debería
haber suficiente lubricante para estar más del llenado inferior, pero no
tanto como para salpicar por encima de la cubierta. Estos son dos
problemas, el LSL y el USL son derivados de dos simulaciones.
LSL
USL
YGAP YTOTAL
147
E2: lubricante
La función transferencia requerida viene de la geometría:
YT = Totalfill volume = VOuter Cylinder - VInner Cylinder = Hap ra2 - Hbp rb2
YG = Gap fill volume = (Ha- Hb) pra2
Fill Max
LSL Nom. USL

Hb= 0.500"0.005"
Ha= 0.600"0.005"
Fill Min rb=
0.150"0.010" Cylinder Gap
LSL USL
ra= 0.200"0.010"
148
Simulación Monte Carlo (elementos-a-
ensamblar)
1.Define la distribución de cada una de las entradas.
2.Generar un número grande (n > 5,000) de entradas
simuladas por muestreo aleatorio desde la distribución de
entradas definidas.
3.Generar n salidas simuladas por la función de
transferencia.
4.Calcular la salida simulada.
a. Si es razonablemente normal, utilizar sus Y-bar y s para
estimar las tolerancias y capacidades de las salidas.
b. Si no es razonablemente normal, utilizar “order statistics”
para estimar la tolerancia y capacidades de las salidas.
149
E2: lubricante
Tres de las entradas (Ha, Hb, and Ra) son asumidas por ser
normalmente distribuidas, procesos 4sST .
Input Normal Media s

4s=.005” 
Ha 0.600”
s=.00125”
4s=.005” 
Hb 0.500”
s=.00125”
ra 0.200” 4s=.010”  s=.0025”
Input Uniforme Límite Inferior Límite Superior
rb .140” .160”
150
Simulación Monte Carlo
Calc  Random data  Normal…  Simulando 100,000
elementos
For Ha: For Hb:
151
Calc  Random data  Calc  Random data 
Normal…  Uniform… 
For ra: For rb:
152
La hoja de trabajo resultante debería lucir algo así:
Aplique las funciones de transferencia:

153
Calc Calculator 
For YT:
Los resultados deberían estar alrededor de 0.04 in3.
154
Calc  Calculator 
Para YG:
Los resultados deberían estar alrededor de 0.0125 in3.
155
Stat  Basic Statistics  Graphical Summary… 
Para YT:
Summary for YT
A nderson-Darling N ormality Test
A -S quared 135.28
P -V alue < 0.005
M ean 0.040015
S tDev 0.003319
V ariance 0.000011
S kew ness -0.024444
Kurtosis -0.539667
N 100000
M inimum 0.028223
1st Q uartile 0.037546
M edian 0.040053
3rd Q uartile 0.042491
0.0288 0.0320 0.0352 0.0384 0.0416 0.0448 0.0480 0.0512 M aximum 0.051597
95% C onfidence Interv al for M ean
0.039994 0.040035
Luce como normal pero
95% C onfidence Interv al for M edian
0.040023 0.040082
plano en la cúspide. A la
vez falla la prueba
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals
0.003305 0.003334
Mean
Median
Anderson-Darling.
0.04000 0.04002 0.04004 0.04006 0.04008
156
Para este problema académico, observemos dos enfoques:
asumiendo y no asumiendo normalidad.
Asumiendo normalidad
Podemos utilizar Y-bar y s para establecer las especificaciones:
Y-bar = 0.0400 in3 Ŷ - zs

s = 0.0033 in3
Ŷ - zs
Deseamos estar seguros de llenar menos que la cavidad más
pequeña. Para un proceso “zs”, necesitamos que el límite
superior en el llenado de lubricante sea menor que .
157
Digamos que queremos un proceso 4s.
Esto representa la
Ŷ - 4s  0.0400 - 4(0.0033) distribución de todos los YT,
entonces debemos añadir
 0.0268 in 3
menos lubricante que el
volumen más pequeño, y
llamarlo Límite de
Especificación Superior
0.0268 in3 0.0400 in3
USL YT
158
El anterior podrá trabajar bien si el proceso de llenado no
tiene variación. Pero, suponer que la desviación estándar
de este proceso ha sido 0.0020 in3.
La desviación estándar puede ser hallada por RSS:

Ŷ - zs
soverall  s 2
fill +s
2
volume
 0.0020 + 0.0033 2 2
 0.0039 in 3
159
Ahora, el Límite de Especificación Superior en el llenado de
lubricante requiere no ser más grande que:
Ŷ - 4s overall  0.0400 - 4(0.0039)

 0.0244 in 3
0.0268 in3 0.0400 in3

USL
160
Asumiento no-normalidad
Aquí, nosotros usamos un enfoque “order statistics”.
Estamos diseñando para una capacidad de 4s (short-term). Un perfecto

proceso 4s produce 31.7 DPPM, o aproximadamente 3 defectos por
100,000.
Necesitamos sólo 3 oportunidades de 100,000 para sobre llenar una

cavidad. El procedimiento es:
1. Ordenar los YTs

2. Identificar la tercera menor cavidad. Que es nuestro Límite de
Especificación Superior en el volumen total de la cavidad, coincidir o
exceder sólo 3 veces en 100,000 cavidades.
161
Tipo de hoja de trabajo por YT.
Data  Sort…  YT
162
Las filas relevantes en la tabla siguiente:
El 3er volumen más pequeño es 0.02915 in3. El proceso con este USL
puede esperar 30 DPPM – un proceso 4s.
Dada la evidencia de no-normalidad del ensamble, este enfoque podría

ser un mejor estimado (0.0291 in3) que el enfoque de normalidad
(0.0268 in3)
163
Para tener una desviación estándar en el proceso de
llenado de 0.0020 in3, podemos utilizar el enfoque RSS.
Aquí, un “equivalente” puede ser estimado desde
3
(0.0400-0.0291)/4 = 0.0027 in .
soverall  s 2
fill +s
2
volume
Ŷ - zs
 0.0020 + 0.0027 2 2
 0.0034 in 3
164
Ahora, el Límite de Especificación Superior del llenado
del lubricante requiere no ser más grande que:
Ŷ  4s overall  0.0400  4(0.0034)
 0.0266 in 3
USL 0.0400 in3
165
Simulación Monte Carlo - YG
Stat  Basic Statistics  Graphical Summary… 
For YG:
Summary for YG
A nderson-Darling N ormality Test
A -S quared 5.04
P -V alue < 0.005
M ean 0.012570
S tDev 0.000386
V ariance 0.000000
S kew ness 0.0621701
Kurtosis 0.0198567
N 100000
M inimum 0.010945
1st Q uartile 0.012308
M edian 0.012567
3rd Q uartile 0.012827
0.01104 0.01150 0.01196 0.01242 0.01288 0.01334 0.01380 0.01426 M aximum 0.014302
95% C onfidence Interv al for M ean
0.012568 0.012572
Luce razonablemente normal ,
95% C onfidence Interv al for M edian
0.012564 0.012570
pero una vez más esta
9 5 % C onfidence Inter vals
95% C onfidence Interv al for S tDev
0.000384 0.000388 distribución falló en la prueba
de Anderson- Darling.
Mean
Median
0.012564 0.012566 0.012568 0.012570 0.012572
166
Nuevamente, para este problema académico, veamos los dos
enfoques: asumiendo y no asumiendo normalidad.
Asumiendo normalidad
Podemos usar Y-bar y s para establecer las especificaciones:
Y-bar = 0.0126 in3

s = 0.00039 in3 Ŷ - zs
Deseamos estas seguros para llenar más brechas que la mayor.
167
Digamos que queremos un proceso a 4s.
Esto representa la
Ŷ + 4s  0.0126 + 4(0.00039) distribución de todos los
 0.0141 in 3 YG, entonces se tiene que
agregar más lubricante a la
Ŷ - zs brecha de volumen más
grande.
0.0126 in3 0.0141 in3

YG LSL
Incorporando sfill obtenemos un LSL de 0.0126+4(0.00204)=0.02047 in3.
168
Asumiendo No-normalidad
Suponer que se desea un proceso a 4s. Con

esta brecha, necesitamos encontrar el 3er
volumen más grande con el cual podemos
estar seguros de que “todas” las brechas de
volumen será completadas.
169
Sort the worksheet by YG.
Data  Sort…  Yg
170
Las filas relevantes en la siguiente tabla:
La tercera gran
diferencia es 0.01422
in3. El proceso con
LSL puede esperar 30
DPPM – en un
proceso a 4s.
171
Como antes, en el proceso de llenado con una desviación
estándar de 0.002 in3, se puede utilizar el enfoque RSS.
Aquí, un “equivalente” puede ser estimado desde
(0.01422-0.01257)/4 = 0.000413 in . 3
soverall  s 2
fill +s
2
volume
 0.002000 + 0.000413
2 2
 0.00204 in 3
172
Ahora, el límite de especificación inferior en el llenado del
lubricante requiere no ser menor de:
Ŷ + 4s overall  0.01257 + 4(0.00204)
 0.02073 in 3
LSL
0.01256 in3
El LSL (0.0207 in3) es menor que el USL (0.0266 in3). Si no

hubiera sido un proceso a 4s no sería posible.
173
En resumen,
Asumiendo Asumiendo
Normalidad No-normalidad
in3
Without Without
With sfill With sfill
sfill sfill
USL 0.0268 0.0244 0.0292 0.0266
LSL 0.0141 0.0205 0.0142 0.0207
174
CAPÍTULO 2: Desarrollo del
DFSS
Sesión 4: Confiabilidad
175
175
Distribución de Poisson
• Expresa la probabilidad de que ocurra un evento un
determinado número de veces en una medida dada
(tiempo, distancia, piezas, etc).
• Cabe destacar que las ocurrencias son discretas.
176
Para calcularlo
Si el numero esperado de ocurrencias en el
intervalo es λ, entonces la probabilidad de que
haya exactamente k ocurrencias es:
k λ
λ
k
k
Es importante señalar que λ y k deben de estar

expresadas en la misma medida.
177
178
178
Ejemplo
En la prueba de confiabilidad del abastecimiento de aire
de una compresora, se identifican 0.2 caídas de presión
en promedio por minuto. Determine las probabilidades de
identificar
a) una caída de presión en 3 minutos

b) al menos dos en 5 minutos
c) Más de una caida en 15 minutos.
179
DistribuciónExponencial
180
180
Distribución exponencial
• Esta distribución se utiliza como modelo para la
distribución de tiempos entre la presentación de
eventos sucesivos.
• Existe un tipo de variable aleatoria que obedece a
una distribución exponencial la cuál se define como
EL TIEMPO QUE OCURRE DESDE UN INSTANTE DADO
HASTA QUE OCURRE EL PRIMER SUCESO
181
• Se dice que una variable aleatoria continua tiene una distribución
exponencial con parámetro λ > 0 si:
• su función de densidad es:
182
182
• su esperanza o valor esperado
• Su varianza
• Su función de distribución acumulada es:
183
Distribución exponencial:
ejemplo
• Suponga que el tiempo de respuesta X en cierta terminal
de computadora en línea (el tiempo transcurrido entre el
fin de la consulta del usuario y el principio de la respuesta
del sistema a esa consulta) tiene una distribución
exponencial con tiempo esperado de respuesta igual a 5 s.
¿Cuál es la probabilidad de que el tiempo de respuesta
sea a lo sumo 10 s?
184
Distribución exponencial: ejemplo
• Datos:
•E(X)=1/λ=5s :. λ =.2
• Obteniendo la distribución acumulada:
– F(10)=1- e ^ - ( 0.2 * 10 )= 1 – e ^ -2 =.865
– .P(X<=10)=F(10)=.86
• La probabilidad de que el tiempo de respuesta esté entre 5 y

10s es:
P ( 5 <= X <=10) = F(10) – F(5) =
( 1 - e ^ -2) – ( 1 - e ^ -1) =.233
185
Comparación
• La distribución de Poisson en un experimento nos
dice la frecuencia con la que puede ocurrir un
determinado error y la exponencial nos dice luego
de que evento-tiempo ocurre este error.
186
DISTRIBUCIÓN ACUMULADA DE
PROBABILIDAD
• Función de Distribución Acumulada
• La Probabilidad de una variable es menor o igual a un
valor específico, e.g., t1
t1
F (t )  P(0  t  t1 )   f (t )dt
0
• Cuando la variable es tiempo de falla, esto representa

la no confiabilidad o la probabilidad de que una
unidad falle antes del tiempo t1
187
DISTRIBUCIÓN ACUMULADA DE
PROBABILIDAD
t1
F( t)  P(0  t  t 1 )   f ( t)dt
0
Función de Densidad de Probabilidad Función de Distribución Acumulada
No confiabilidad, F(t)
F(t)
f(t)
0
t1
t 0 t1
t
188
DEFINICIÓN DE CONFIABILIDAD
Confiabilidad es la probabilidad de que un sistema
ejecute su función de intención sin fallar para un
intervalo específico, bajo condiciones establecidas.
Se define como la Probabilidad de Supervivencia en un
determinado tiempo.
R(t) = 1 - F(t)
Algunos autores presentan como sinónimos Supervivencia

y Confiabilidad
189
DEFINICIÓN DE CONFIABILIDAD
t 
R ( t )  1 F ( t )  1  f ( t ) d t   f( t )d t
0 t
Función de Densidad de Probabilidad Función de Confiabilidad
R(t)
f(t)
0
0 0
t1
t t1
t
190
Formulas de Confiabilidad
• Ratio de Confiabilidad:
x: fallos durante un periodo
• Ratio de Falla:
191
TASA DE FALLA O TASA DE RIESGO
Por ejemplo, 1000 motores eléctricos se ponen a prueba en el tiempo CERO.
Cuatrocientos de ellos están trabajando a las 2000 horas, 50 de ellos fallaron
en las siguientes 100 horas y otros 50 fallaron en las siguientes horas como lo
ilustra la figura.
No. de
1000 400 350 300 sobrevivientes
0 2000 2100 2200 horas tiempo
La tasa de falla para los motores a las 2000 horas es:

h(2000) = (número de fallas por hora posteriores a las 2000 horas)
número de sobrevivientes a las 2000 horas
= (50/100)/400 = 0.00125 unidades/hora NOTA: REVISAR EL
EJEMPLO DE LA
Similarmente, la tasa de falla a las 2100 horas es:
PAG. 140 DEL
h(2100) = (50/100)/350 = 0.0014 unidades/hora LIBRO
192
192
Usando la Distribución Exponencial
Función de falla
Función de confiabilidad
Función de Riesgo
193
Problemas
194
Aplicar Reglas de Probabilidad: Ejemplo de
Probabilidad Paralela
“La Probabilidad Paralela” es una aplicación común de fiabilidad que combina
las leyes multiplicativa y complementaria. Por ejemplo: en una operación crítica,
al menos una bomba tiene que operar para evitar un fallo operativo.
Por seguridad, tres bombas funcionan continuamente y cada bomba tiene
una fiabilidad del 99%. ¿Cuál es la probabilidad de éxito?
Para resolver este problema fácilmente,
Rbomba 1 es mejor considerar como podría fallar el
= 0.99 sistema:
Dado que:
Rbomba 2 éxito del P(éxito) + P(fallo) = 1.0
= 0.99 sistema P(éxito) = 1.0 - P(fallo)
Es fácil calcular P(fallo) porque el fallo
Rbomba3
ocurre cuando fallan las tres bombas al
= 0.99
mismo tiempo.
195
195
Reglas de Probabilidad
Ejemplo de Probabilidad Paralela (Continuación)
“Probabilidad Paralela” (continuación))
Para tener fallo del sistema, las tres bombas tienen que fallar al mismo tiempo.
Esto es otro calculo de “probabilidad de serie”, pero utilizando “fallo” como
resultado en vez de “éxito”. Los cálculos son iguales.
P(fallo de sistema) = P(fallo bomba 1) x P(fallo bomba 2) x P(fallo bomba 3)
Dado que las probabilidades de no fallo de cada una es 0.99, la probabilidad de

fallo de cada una es = 1.0 - 0.99 = 0.01
P(fallo de sistema) = 0.01 x 0.01 x 0.01 = (0.01)^3 = 0.000001
P(Fbomba 1) P(Fbomba 2) P(Fbomba 3) fallo de

= 0.01 = 0.01 = 0.01 sistema
196
Reglas de Probabilidad
Ejemplo de Probabilidad Paralela (continuación)
Para calcular el éxito del sistema, P(éxito) + P(fallo) = 1.0
P(éxito) = 1.0 - P(fallo)
P(éxito) = 1.0 - P(fallo) = 1 - [(0.01)^3] = 1 - .000001= 0.999999
Rbomba 1
= 0.99
Rbomba 2 éxito del

= 0.99 sistema
Rbomba 3
= 0.99
197
Ejercicios
198
Ejercicio
199
MTBF - MTTF
Si el tiempo de vida para una característica de calidad es
una variable aleatoria y conocemos su distribución de
probabilidad , podemos calcular una medida de
localización, por ejemplo el valor de su media.
El valor medio del Tiempo de Vida se denomina Tiempo
Promedio entre Fallas, MTBF es el acrónimo en Inglés, y
se refiere a una medición básica de confiabilidad para
artículos que se pueden reparar.
MTTF se refiere al Tiempo Promedio de Fallas, esto es para
artículos que no pueden ser reparados.
200
MTBF - MTTF
• Se calcula de la siguiente manera:
• Disponibilidad (A):
• MTTR: Tiempo promedio para reparar un falla. No incluye

tiempo de espera por repuestos
201
Ejercicios
11
Primero se Calcula: 
135 x 2
Como MTTF:
Respuesta b)
202
Ejercicios
Respuesta a)
203
Ejercicios:
204
Ejercicios
205
DFSS
Sesión 1: Modelos DFSS
206
206
Metodologías mas utilizadas
• IDOV: Identificar, Diseñar, Optimizar y Validar

• DMADV: Definir, Medir, Analizar, Diseñar y
Validar
• DMADOV: Definir, Medir, Analizar, Diseñar,
Optimizar y Validar
• Modelo Frances
207
Modelo IDOV
• Modelo de DFSS de Treffs de cuatro pasos:
• Identificar: usar contrato (team charter), Voz del
cliente (QFD), FMEA y Benchmarking
• Diseñar: enfatizar los CTQs, identificar los
requerimientos funcionales, desarrollar alternativas
evaluarlas y seleccionar
• Optimizar: usar información de capacidad de
procesos, análisis de tolerancias, diseño robusto y
otras herramientas de Seis Sigma
• Validar: Probar y validar el diseño
208
Modelo DMADV
• Modelo de DFSS de Simon (2000) DMADV:
• Definir: metas del proyecto y necesidades del cliente
• Medir: medir necesidades del cliente y especificaciones
• Analizar: Determinar las opciones del proceso
• Diseñar: Desarrollar los detalles para producir y cumplir

los requerimientos del cliente
• Verificar: Validar y verificar el diseño
209
DMADOV
Sus 6 pasos son los siguientes
• Definir el proyecto
• Medir la oportunidad
• Analizar las opciones del proceso
• Diseñar el proceso
• Optimizar el proceso
• Verificar el desempeño
210
Modelo de diseño francés
El diseñador del nuevo producto es responsable de
Coordinar todo su desarrollo participando con el
Gerente de producto, mercadotecnia, ventas,
Operaciones, diseño y finanzas en un equipo
Análisis del Definición Diseño

Necesidad
problema del problema conceptual
Selección de Diseño del Dibujos de

Detallado
esquemas producto trabajo, etc.
El modelo de diseño Francés
211
Modelo de diseño francés
• El diseño captura las necesidades, proporciona análisis, y
produce una definición del problema.
• El diseño conceptual genera una variedad de soluciones
al problema, y produce dibujos de trabajo a partir del
concepto abstracto
• El paso detallado consolida y coordina los puntos finos al
producir el producto
• El diseñador del nuevo producto es responsable de llevar
el concepto inicial hasta el lanzamiento final
• La dirección dirige el proceso
212
DESARROLLO DEL
IDOV
213
213
Un Enfoque para Conseguir Six Sigma
Identificar
1
Desarrolle Equipo Análisis QFD
y Team Recoger VOC
competitivo Desarrollar CTQs
Charter
Diseñar
2 Identificar Desarrollar Eval. alternativas
Desplegar CTQ`s
requisitos Conceptos y seleccionar
y predecir la
funcionales alternativos concepto
capacidad sigma
mejor ajuste
Optimizar
3 Desarrollar
elementos Predecir Identificar Optimizar
de diseño rendimiento Espacio Diseño
detallados
Validar
4
Plan de
Plan Piloto y Implementación
Control Mejora Continua
Revisión Plan
214
214
Fase de Identificar (Medir)
1
Identificar Requisitos del Cliente/Producto Herramientas claves
•QFD
•AMFE
Identificar Requisitos Técnicos •IPDS
(Variables CTQ) y Límites •Coste Objetivo
•Benchmarking
Enlace formal del diseño con la Voz del Cliente

Herramientas organizadas para ajuste de prioridad
215
Desarrollar el Equipo
Miembros del Equipo de diseño:
Circulo Cliente-a-Cliente
• Fabricación Satisfacción del Cliente

• Financiero Operaciones Planificación del Producto
de campo
• Calidad
• Compras
• Servicio
• Ingeniería
• Marketing
Fabricación Desarrollo del Producto
El equipo debe estar combinado.
Calidad, Coste y Entrega
Algunos miembros pueden serlo a
tiempo parcial.
Cualquier miembro puede ser el líder del equipo
216
Identificación CTQ
¿Cual es la Definición de Crítico-para-la-Calidad?
Las pocas, mesurables características claves de una especificación
de pieza/proceso específico, que tienen que estar bajo control estadístico
para garantizar la satisfacción del cliente.
Por lo tanto, tienen que ser medidos y analizados continuamente
Factores a tomar en cuenta en una selección CTQ

La importancia de un requisito de diseño, relativo a satisfacer
requisitos del cliente
El riesgo técnico asociado con satisfacer las especificaciones del
diseño
217
Identificación CTQ - Proceso 2 Pasos QFD
Paso A Paso B
Entender los Requisitos del Traducir Requisitos Técnicos
Cliente y Técnicos a Pieza CTQ’s
¿Quienes son los Clientes? ¿Cuales son los requisitos

técnicos?
¿Qué es lo que les importa? ¿Cuales son las piezas y

características?
¿Cuales son los requisitos ¿Qué es crítico?

técnicos?
Traduce los Requisitos del Cliente a Características CTQ de Pieza
218
Despliegue de la Función de Calidad
Requisitos funcionales
(COMO’s)
Características de
piezas
(COMO’s) Procesos Claves
(COMO’s)
Casa de Variables Claves
Requisitos del
Calidad (COMO’s)
Casa de
#1
Calidad
((QUE’s)
Características de
Casa de
Funcionales
Cliente
#2
Requisitos
Calidad
((QUE’s)
Casa de
#3
Calidad
((QUE’s)
#4
piezas
Procesos
(QUE’s)
Y
claves
Características
CTQ
Procesos claves de X
proceso
Variables claves de
Fabricación
219
219
Identificación CTQ - QFD
Paso A – Entender Requisitos del Cliente y Técnicos
1. Recoger y organizar los Requisitos del Cliente
• Trabajar con Marketing y otras organizaciones
• Ponerse en la piel del Cliente
• Describir los requisitos del Cliente y organizar jerárquicamente
• Evaluar la importancia de cada requisito específico de Cliente en una escala de 1 hasta 5
Requisitos del Cliente

Estabilidad de color
Vida mejorada
Compatibilidad con otra lámpara
Output de Lumen Mejorado
Mayor fiabilidad
Mejor información técnica
Filtro UV
Rango más ancho
Precio más bajo
Tamaño más pequeño
220
CTQ Identificación - QFD
Paso A – Entender Requisitos del Cliente y Técnicos
2. Recoger y organizar los Requisitos Técnicos
• Investigar especulaciones actuales., Requisitos Técnicos
• Procedimientos de pruebas de Ingeniería
Tiempo de exposición - Uv
Esperanza de vida (Media)
Mantenimiento de lumen
Desplazamiento de color
y Planes de Validación
MLG – Max. longitud

Voltaje de extinción
• Desarrollar una lista de requisitos de
Mortalidad Infantil
Lúmenes - Inicial
Tiempo de inicio
diseño específicos “mesurables”
Gama de Color
Coste variable
Permisible
Potencia
general
Vop
Estabilidad de color
Vida mejorada
Compatibilidad con otra lámpara
Output de Lumen Mejorado
Mayor fiabilidad
Mejor información técnica
Filtro UV
Rango más ancho
Precio más bajo
Tamaño más pequeño
221
Paso A – Entender los Requisitos del Cliente y Técnicos
3. Haga una diagrama de la relación entre Requisitos del Cliente y Técnicos
•Enfocar en pocos esenciales versus los muchos triviales
•Utilice escala de fuerte (9 pts), moderado (3 pts), débil (1 pt) o blanco
•Multiplique el peso de la relación por la importancia del Cliente y sume
•las columnas
Fuerte: 9.0 Standard 9-3-1 Requisitos Técnicos
Tiempo exp. permisible – UV

Correlación directa con Satisfacción
MLG - Max longitud general

Esperanza de vida (media)
Mantenimiento de lumen
del Cliente. Llamada de servicio
Desplazamiento de color
Expansión de color
Extinción de Voltaje
Mortalidad Infantil
definitivo o tema de no compra.
Lúmenes - inicial
Tiempo de inicio
Coste Variable
Potencia
Vop
Moderado: 3.0 Estabilidad de Color
Vida mejorada
Puede resultar en llamada de servicio Compatibilidad

Output de Lumen mejorado
o tema de no compra. Más fiabilidad
Mejor Información Técnica
Débil: 1.0 UV Filtro
Rango más ancho
Muy poca probabilidad de una llamada de Precio más bajo
servicio o tema de no compra. Tamaño más pequeño
222
Paso B – Traducir Requisitos Técnicos en Piezas CTQ’s
Fuerte: 9.0
Moderado: 3.0
Débil: 1.0
Características de piezas
Dirección de XXXX XXX X XXX X

mejora
Requisitos
Maximizar: 1.0
técnicos
Objetivo: 0.0 X
Minimizar: -1.0
223
AMFE de Procesos – Relación con QFD
Satisfacción del Cliente Insatisfacción del Cliente
Despliegue de Función de Calidad Modos de Fallo y Análisis de Efectos
Identificación CTQ
No todas las Características CTQ están impulsadas por la Satisfacción del Cliente
224
AMFE – Utilizado en Todos los Pasos del Producto
Fijar objetivos de producto
AMFE Producto • Rendimiento
Planificación del
producto (AMFE diseño) • Fiabilidad
• Coste
• Vida
AMFE Producto Optimización de Diseño

Diseño del Producto
(AMFE diseño)
Diseño del Proceso AMFE Proceso Secuencia de proceso y

(AMFE Fabricación) Estudio de Flujo
Planes de Calidad
Planificación AMFE Proceso • Fabricación
Calidad producción
(AMFE Fabricación) • Proveedores
Fijar objetivos de Servicio

de Campo
AMFE Servicio • Capacidad mantenimiento
Servicios
(AMFE Transaccional) • Servicio
• Disponibilidad de piezas
225
225
DFSS
Sesión 2: Modelos DFSS II
226
226
Fase de Diseño (Analizar)
2
Herramientas Claves
Formular Diseño Concepto •Diseño Simple y Elegante
Identificar Riesgos Potenciales •Evaluación de Riesgo

•AMFE
Para Cada Requisito Técnico,
•Análisis de Ingeniería
Identificar Parámetros de Diseño (CTQ’s)
•Simulación
•DOE
Determinar los CTQ’s y Su Influencia •Ingeniería de Sistemas
en los Requisitos Técnicos •Herramientas de Análisis
(Funciones de Traspaso)
• Énfasis en CTQs
• Funciones de Traspaso relacionando CTQs
con Requisitos Técnicos
• Uso de herramientas de simplificación de diseño
• Pruebas organizadas utilizando Diseño de
Experimentos
227
Identificación CTQ -QFD Ejemplo de Flujo de
Proceso
Entradas del cliente Estabilidad de color
Requisitos Técnicos Control de Voltaje
Dibujos de Piezas Tubo de arco
Características CTQ
Espacio, IBL, Peso Hg, Peso Halide

QFD es un metodología utilizada para:
1) Traducir requisitos del cliente en características técnicas y del producto
2) Identificar características CTQ
228
Fase de Optimizar (Mejorar)
3
Evaluar Capacidad del Proceso para conseguir
Parámetros de Diseño Críticos y Satisfacer los Límites CTQ
Herramientas claves
• Base de datos Fabricación y

Optimizar Diseño para Minimizar
herramientas de flujo
la sensibilidad de CTQ’s a los Parámetros de Proceso
• Modelos de capacidad de proceso
Libre de Errores Realizar Equilibrios
• Diseño Robusto
para Asegurar que
se satisfacen todos los CTQ’s
Determinar Tolerancias • Métodos Monte Carlo
No OK
• Tolerancias
Calcular s (Tarjeta DFSS) y Coste Revisión de Excepción
• Herramientas Six Sigma
No OK
• Uso requerido de información de capacidad de proceso

• Acercamiento estadístico a Tolerancias
• Informes de Excepción cuando el diseño no satisface el objetivo sigma
229
Entender los Datos de Proceso
6s #3 Hacerlo correctamente......
Metodología
Datos Actuales de #2 Hacerlo mejor......

Proceso
Expertos para Cálculos de #1 Hacerlo bien......

Capacidad
Construir un Diseño Six Sigma
230
Establecer los Límites de Especificación de Diseño
A Través de Capacidad de Proceso
Cuando se utiliza... Las Tolerancias Son... Recordatorios
BUENO Expertos 1.5 x calculo (cálculos • El calculo no toma en cuenta el entorno de la
normalmente dados como
capacidad de largo plazo planta, ni la tecnología y puede ser
3s) sobreestimado o subestimado
MEJOR
Datos 4.5 x s “largo plazo” • Si se utilizan datos de fabricación, suponga que
Actuales 6 x s “corto plazo” serán de largo plazo. Si no, la tolerancia será
subestimada.
• Suponga que el proceso está bajo control. Si

no, la tolerancia será sobreestimada.
• Si se está calificando una nueva herramienta,
suponga datos de corto plazo
• Los datos deben ser recogidos utilizando
EL subgrupos racionales
MEJOR Metodología
6 x s “corto plazo” • Los datos se analizan por corto plazo y largo
Six Sigma
plazo para separar el control y capacidad
231
231
Tolerancias Estadísticas
Hacerlo
FUNCIONAR P=F(Y1…Yn) donde
P=Req. Técnico
Análisis de Parámetros (e.j, Temperatura)
Entender el impacto de
• Cálculos de Ingeniería
dimensión nominal en el Y=Característica de
• Análisis de Elemento Finitos
Rendimiento del • DOE pieza
Producto • Prueba y Evaluación (e.j, Espesor de
Aislamiento)
Análisis de Tolerancias Y=F(X1…Xn) donde

Entender el impacto de las •Estudios de Capacidades de Y= Característica de pieza
varianzas e interacciones Proceso (e.j, Espesor de
de piezas en el rendimiento •Almacenaje Min-Max Aislamiento)
del producto •Suma de raíces cuadradas X=Req. de Control de
•Estudios de productividad Proceso
Hacerlo (e.j, Tiempo de secado)
AJUSTARSE
Las Tolerancias correctas son la clave para conseguir Six Sigma.
232
Análisis de Tolerancias
Opciones de Diseño....... Objetivo de diseño: Z=6.0
1. Ajustar los límites de especificación
2. Ajustar dimensiones de pieza (diseño)
3. Ajustar Proceso
Hay que ajustar uno de los valores para hacer Z=6.0

i.e., “Diseño para Z”
233
Fase de Validación (Control)
4
Revisión de excepción
No OK
Prueba y validación Herramientas Claves

Identificar Mejoras
futuras de • Pruebas Aceleradas
Fabricación/Diseño • Ingeniería de Fiabilidad
Evaluar Rendimiento, Modos de Fallo, • AMFE
Fiabilidad y Riesgos • NPI Disciplinado
Revisión de Fase/Diseño
•Pruebas aumentadas utilizando herramientas formales

•Enlazado con un proceso disciplinado de Introducción de
Nuevo Producto
• Información de requisitos de fabricación y suministro
234
Diseño para X
235
235
Uso de técnicas y herramientas de DFX
• Es un método basado en el conocimiento para diseñar
productos que tengan tantas características deseables como
sea posible (calidad, confiabilidad, serviciabilidad, seguridad,
facilidad de uso, etc..)
• AT&T acuño el término DFX para describir el proceso de

diseño
• La caja de herramientas de DFX ha crecido continuamente

para ofrecer hoy en día cientos de herramientas
236
1. Los métodos DFX se presentan como guías de
diseño.
Por ejemplo para incrementar la eficiencia del
ensamble es necesaria una reducción en el
número de partes y los tipos de estas. La
estrategia será verificar que cada parte es
necesaria.
2. Cada método o herramienta debe tener alguna

forma de verificar su efectividad por el usuario
237
3. Determinar la estructura de herramientas DFX
Se pueden requerir otros cálculos antes de que la técnica se
considere completa. Una herramienta independiente no
depende de la salida de otra herramienta
4. Efectividad y contexto de la herramienta
Evaluada por el usuario en exactitud de análisis y/o integridad
de la información generada
5. Enfoque en el proceso de desarrollo del producto
Al comprender las actividades permite determinar cuando usar
una herramienta
6. Mapeo de herramientas por nivel
238
Características de los proyectos DFX
• Función y desempeño:
• Factores vitales para el producto
• Seguridad:
• El diseño debe hacer al producto seguro para
manufactura, venta, uso y disposición
• Calidad:
• El diseño debe asegurar la calidad, confiabilidad
y durabilidad
239
• Confiabilidad
• Usando el AMEF de diseño se pueden anticipar
fallas, se puede usar redundancia
• Facilidad de prueba:
• Los atributos de desempeño deben poder medirse
fácilmente
• Manufacturabilidad (DFM):
• El diseño debe simplificar el producto para su
manufactura por medio de partes y operaciones
necesarias reducidas, incluye facilidades de
prueba y embarque
240
• Ensamble (DFA):
• El producto debe ser fácil de ensamblar para reducir
tiempo de servicio, tiempo de reparación, tiempo de ciclo
de lanzamiento.
• Se logra al usar menos partes, menos documentos,

menos inventarios, menos inspecciones, menos ajustes y
menos manejo de materiales, etc.
• Serviciabilidad (mantenabilidad y reparabilidad):

• Facilidad de servicio al presentar falla
241
Diseño para X (DFX - AT&T)
• Mantenabilidad:
• El producto debe tener un desempeño satisfactorio durante
su vida esperada con mínimo gasto, la mejor forma es
asegurar la confiabilidad de los componentes.
• Debe haber menos tiempos muertos para

mantenimiento, menos horas hombre de reparación,
requerimientos reducidos para las partes y menores
costos de mantenimiento
• Uso de sistemas de construcción modular, uso de

partes nuevas, retiro de partes sospechosas,
autodiagnóstico interconstruido, cambio periódico de
partes, etc.
242
• Ergonomía, facilidad de uso:
• El producto debe adaptarse al ser humano.
Anticiparse a errores humanos, prevenir un uso
incorrecto, acceso de componentes mejorado,
simplificación de las tareas del usuario, identificación
de componentes
• Apariencia:
• Que el producto sea atractivo, requerimientos
especiales para el usuario, estilo, compatibilidad de
materiales y forma, aspecto proporcional, protección
de daño por servicio
243
• Empaque:
• Considerar el tamaño y características físicas del producto,
el método de empaque, automatización deseable
• Features:
• Accesorios, opciones disponibles para el producto
• Tiempo de entrada al mercado:

• Es deseable tener tiempos cortos de ciclo, es una gran
ventaja salir antes que la competencia
244
CAPÍTULO 3: Desarrollo del DFSS
Sesión 3: Herramientas
Especiales de Diseño
245
245
Herramientas especiales de diseño
1. Estratégicas
2. Tácticas
246
Herramientas
estratégicas
247
247
Herramientas Estratégicas
• Las cinco fuerzas competitivas de Porter
• Arquitectura del portafolio
• Diseño basado en conjuntos
248
Las cinco fuerzas competitivas de Porter
Michael Porter (Harvard) desarrolla las cinco fuerzas competitivas,
como estrategia para analizar el mercado y tomar ventajas:
• Amenaza de nuevos competidores
• Poder de los proveedores
• Poder de los clientes
• Productos y servicios sustitutos
• Rivalidad en la industria
Porter mantiene que una estrategia competitiva permite a la
empresa tomar acciones proactivas ante la competencia
249
Arquitectura del portafolio
• Los procesos técnicos incluyen arquitectura del
portafolio, investigación y desarrollo de la tecnología
(R&TD), comercialización del productos e ingeniería post
– lanzamiento. Se trata de anticiparse a los problemas
• El R&TD de entrada se enfoca a la definición estratégica
del portafolio, su desarrollo, optimización y transferencia
• La ingeniería de post lanzamiento a la salida, se enfoca
a las actividades de soporte a producción y servicio
250
• El proceso de renovación del portafolio de producto y
tecnología, es el primero de dos procesos
estratégicos, en los cuales los investigadores pueden
utilizar los métodos de Seis Sigma
• El segundo proceso es el desarrollo formal de nuevas

tecnologías que requiere el procesos de portafolio de
producto y tecnología
251
• Los componentes estratégicos consisten de los
procesos técnicos de entrada e investigación y
desarrollo de la tecnología
• Los componentes tácticos son la ingeniería del

producto realizada durante la comercialización
252
Proceso IDEA para definición y
desarrollo del portafolio
• Identificar mercados, sus segmentos, y oportunidades,
utilizando benchmarking de tecnología y mapas
tecnológicos
• Definir los requerimientos del portafolio y alternativas
de arquitectura del producto
• Evaluar las alternativas del producto contra portafolios
competitivos y seleccionar
• Activar los proyectos seleccionados de comercialización
de productos individuales
253
Diseños basados en conjuntos
• Es una metodología de diseño de ingeniería concurrente de
Toyota (SBCE)
• Inicia con una gama amplia de posibles soluciones,
convergiendo a un conjunto menor de alternativas y a una
solución final
• Los equipos de las diversas funciones pueden trabajar en

diversas alternativas en paralelo, reduciendo gradualmente el
conjunto de soluciones
• Es de gran apoyo la información de desarrollo, pruebas,

clientes, etc. Para estrechar el conjunto de decisiones
254
Diseños basados en conjuntos
• Los conjuntos de ideas son analizados y retrabajados para
lograr proyectos más eficientes, robustos, óptimos. Es
mejor que trabajar con una idea a la vez
• Es una analogía a un juego de “20 preguntas”. Donde un

jugador se le requerirá que identifique un objeto o
problema desconocido con sólo 20 preguntas. Por ejemplo
preguntar si se trata de un animal, vegetal o mineral,
eliminará las posibilidades rápidamente
• Toyota es la única empresa que utiliza este método
255
Principios de SBCE
• Definir la regiones de factibilidad
• Comunicar los conjuntos de posibilidades
• Buscar intersecciones
• Explorar desventajas al diseñar múltiples alternativas
• Imponer restricciones mínimas
• Reducir suavemente los conjuntos, balanceando la

necesidad de aprender y de decidir
256
Principios de SBCE
• Buscar opciones de paralelo
• Establecer la factibilidad antes del compromiso
• Mantener los conjuntos una vez comprometidos
• Control a través de gestión de incertidumbre en puntos

de revisión del proceso
• Buscar soluciones robustas para diseñar variación
257
Herramientas tácticas
258
258
Herramientas tácticas
• Despliegue de la función de calidad (QFD)
• Solución inventiva de problemas (TRIZ)
• Diseño axiomático
• Diseño sistemático
• Gestión de parámetros críticos

• Análisis de Pugh
259
TRIZ
• Es una abreviación de Teoría de solución de
problemas inventiva (del ruso Genrich Altshuller)
• La creatividad tradicional es de “prueba y error” lo

que resulta muy costoso
• La evolución técnica e invención tienen ciertos

patrones, se deben conocer para resolver problemas
260
TRIZ
• Hay tres grupos de métodos para resolver problemas
técnicos:
• Varios trucos (con referencia a una técnica)
• Métodos basados en utilizar los fenómenos y efectos

físicos (cambiando el estado de las propiedades
físicas de las substancias)
• Métodos complejos (combinación de trucos y física)
261
TRIZ – Algoritmo para resolver problemas
• Analizar el problema
• Análisis del modelo del problema

• Uso de un diagrama de bloques definiendo la “zona de
operación”
• Formulación del resultado final ideal (IFR)

• Uso de substancias externas y recursos de campo
• Uso de un banco de información.
• Determinando las restricciones físicas o químicas en el
problema
262
TRIZ – Algoritmo para resolver problemas
• Cambio o reformulación del problema
• Análisis del método que remueve la contradicción física:

• ¿Se proporciona una solución de calidad?
• Utilización de la solución hallada:

• Búsqueda de efectos secundarios hacia otros
procesos
• Análisis de los pasos que orientan hacia la solución:

• Un análisis puede probar utilidad después
263
TRIZ – 40 herramientas
• Segmentación • Acción parcial o excesiva
• Extracción • Vibración mecánica
• Calidad local • Acción periódica
• Asimetría • Continuidad de acción útil
• Combinación/Consolidación
• Apresurarse
• Universalidad
• Convertir lo dañino a benéfico
• Anidamiento
• Construcción Neumática o
• Contrapeso hidráulica
• Contramedida previa
• Membranas flexibles de capas
• Acción previa delgadas
• Compensación anticipada • Materiales porosos
264
TRIZ – 40 herramientas
• Equipotencialidad • Cambio de color

• Hacerlo al revés • Homogeneidad
• Retroalimentación • Rechazar o recuperar partes
• Mediador • Transformación de propiedades
• Autoservicio • Fase de transición
• Copiado • Expansión térmica
• Disposición • Oxidación acelerada
• Esferoidicidad • Ambiente inerte
• Dinamicidad • Materiales compuestos
265
Av. José Pardo 650, Miraflores – Lima
Urb. León XIII Calle 2 Nª 107, Cayma – Arequipa
Carrera 45 #108-27 Torre 1 Oficina 1008 – Bogotá
Av. Marcelo Terceros Bánzer 304 (3er anillo externo) – Santa Cruz
www.bsginstitute.com

Diseño y Metodologia LSS

Cargado por

Copyright:

Formatos disponibles

Diseño y Metodologia LSS

Cargado por

Información del documento

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

Diseño y Metodologia LSS

Cargado por

Copyright:

Formatos disponibles

Diseño de Metodologías Six Sigma

calculan que son un 30-50% más largos que 100000

su tiempo dando su apoyo a productos 1 3 4 5 6

actuales, el 20% de los cuales es reparación

• Nuestro índice de satisfacción del cliente

Problemas de Calidad de Diseño : 70 - 80%

Concepto Diseño Prototipos Producción

La Ingeniería tiene la oportunidad más grande para mejorar la calidad del

• Incluso con la Estrategia de

Los nuevos e inherentes diseños

Identificación Capacidad del Análisis de la

La Metodología Six Sigma Mejora las Prácticas Actuales de Diseño

Revisión de Fase Final

• Adiciones a líneas de productos: café descafeinado

• Reposiciones: producto para nuevo uso o aplicación

• Reducciones de costos: reemplazo de productos

• Productos únicos con valor para el cliente

• Buena definición del producto y del proyecto

• Calidad en la ejecución de los pasos del desarrollo y del

• Entender las características críticas de calidad (CTQs) para los

• Realizar un estudio de modos y efectos de falla FMEA

• Realizar Diseño de experimentos para identificar variables

• Hacer Benchmarking de otras plantas

PDP y Six Sigma trabajan

PDP juntos para crear un “Ciclo

Ofrece más enfoque hacía el cliente

PDP es un proceso de desarrollo de producto de los

• Apoyo de Producto Actual

Aplicación del Producto (PA) PAC’s

VP Dir. Dir. Dir. Dir. Dir.

Gestione con eficacia la cartera de proyectos de desarrollo

Fije estrategias claras y consistentes

Aplicación del Producto (PA) PAC’s

Las PACs y los Equipos

Los Equipos Núcleos tienen que conducir sus proyectos de Desarrollo de

Sistemas de Información para Apoyar PDP (Infraestructura)

 PDP significa Proceso de Diseño de Producto. Es un enfoque

 PDP es el proceso que adopta una empresa para mejorar y

 Aplicación del Producto

 Apoyo de Producto Actual.

 Las Revisiones de fase evalúan el desarrollo del producto durante su

Desarrollo de Producto Núcleo y Tecnología

Aplicación del Producto

Apoyo de Producto Actual

maybe Evaluate Gate no Reject

• (Para datos de variables) “Razonable” salida de un proceso

Aluminum Content in Zinc Bath

2. Significado Gráfico (visual) como:

• La variación en período largo es lo que los clientes observan, pero

• En general, sST < sLT, pero sST > sLT en la presencia de un

Esto debería ser comprensible – estadística básica

• Comúnmente para características unilaterales:

(Ver una applicación en Tolerancia, Módule E3.)

La fórmula se concibe para que z tenga valor positivo para

(Para datos de Atributos, p es medido directamente y el p-bar es el

(Para datos de Atributos, p es medido directamente y el p-bar

La ruta permite obtener la fracción de no

Normal con media = 0 y desviación estándar = 1

La ruta retorna la fracción de no conformes