2017

[SEIS SIGMA]

La metodologa Seis Sigma tradicional denominado DMAIC (definir, medir, analizar,

mejorar, controlar) o Seis Sigma para la mejora se enfoca a la solucin de problemas
o a su mejora sin un diseo o rediseo completo del sistema. La metodologa de Diseo
para Seis Sigma (DFSS) se enfoca a hacer las cosas correctas desde la primera vez o sea
que el producto o servicio: (1) Haga las cosas correctas; y (2) Hacer las cosas correctas
todo el tiempo
10 de octubre de 2017
SEIS SIGMA

UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

FACULTAD DE OCEONOGRAFA, PESQUERA, CIENCIAS ALIMENTARIAS Y

ACUICULTURA

ESCUELA PROFESIONAL DE INGENIERA ALIMENTARIA

SEIS SIGMA

CURSO: Tecnologa de Produccin

PROFESOR: Ing. Candela

ALUMNOS:

Flix Taipe Ricky

Huamn William

Huiza Trujillo Rafael

Llano Yuliana

Ramrez Agero Juan Luis

Miraflores, 2017

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA
TABLA DE CONTENIDO

1. Introduccin

2. Seis Sigma como herramienta de gestin

2.1. Historia del Seis Sigma

2.2. Definicin

2.3. Estructura del Seis Sigma

2.4. Caracterizacin del Seis Sigma

3. Etapa de Definicin

Introduccin

3.1. Criterios de la Etapa de definicin

4. Etapa de Medicin

4.1. Medicin de la Organizacin

4.2. Medida del Nivel Seis Sigma

4.3. Evaluacin de la medida de desempeo

5. Etapa de Mejoramiento

5.1. Anlisis del modo y efecto de fallas potenciales

5.2. Diseo Experimental Unifactorial

5.3. Ajuste de superficie de respuesta

6. Etapa de Anlisis

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA
6.1. Diagrama de Pareto

6.2. Diagrama de Causa y Efecto

6.3. Prueba de Normalidad

6.4. Diseo de Parmetro Robusto

7. Etapa de Control

Introduccin

7.1. Grfica de Control Univariadas

7.1.1. Fundamento tericos de las grficas de control univariadas por variables

7.1.2. Fundamento tericos de las grficas de control por atributos

7.2. Fundamento Tericos de las grficas de control multivariado por variables, aplicando la

tcnica de Hotteling

7.2.1. Grfico de control multivariado para observaciones individuales

8. Filosofa y estrategia del Seis Sigma

8.1. Principios filosficos del Seis Sigma

8.2. Equipo de mejoramiento continuo

8.3. Estrategias del Seis Sigma

8.4. Disposicin de cambio

8.5. Despliegue de objetivos

8.6. Desarrollo del proyecto

8.7. Evaluacin de beneficios

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA

Resumen
La principal meta del Seis Sigma es reducir defectos, errores y fallas a un valor prximo a
cero.Por qu reducir la variacin, defectos, errores y fallas a un valor tendiendo a cero? Porque
con esto se obtiene la satisfaccin del cliente, los clientes satisfechos continan comprando
productos e servicios.
La misin fundamental de la metodologa 6 sigma es proporcionar la informacin necesaria para
implementar la mxima calidad del producto o servicio en cualquier actividad, as como crear
una atmsfera de confianza y comunicacin entre todos los que intervienen en el proceso. Esto
es muy importante ya que la informacin, las ideas y la experiencia aportadas por todos los
miembros del equipo ayuda a mejorar la calidad.

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA

Introduccin
El Mtodo de Seis Sigma es una filosofa que inicia en los aos ochenta como estrategia de
mercado y de mejoramiento de la calidad en la empresa Motorola, cuando el ingeniero Mikel
Harry, promovi como meta estimable en la organizacin; la evaluacin y el anlisis de la
variacin de los procesos de Motorola, como una manera de ajustarse ms a la realidad. Es en
esta poca, con el auge de la globalizacin las empresas del sector industrial y comercial, que
se empezaron a desarrollar tcnicas ms eficientes que le permitieran optimizar los procesos
para mejorar su competitividad y productividad, lo que involucr como objetivo principal
reducir la variabilidad de los factores o variables crticas que de una u otra forma alteraban el
normal desempeo de los procesos.
La misin fundamental de la metodologa 6 sigma es proporcionar la informacin necesaria para
implementar la mxima calidad del producto o servicio en cualquier actividad, as como crear
una atmsfera de confianza y comunicacin entre todos los que intervienen en el proceso. Esto
es muy importante ya que la informacin, las ideas y la experiencia aportadas por todos los
miembros del equipo ayuda a mejorar la calidad.
El Seis Sigma es una herramienta de mejoramiento que permite obtener organizaciones eficaces
y eficientes, continuamente alineadas con las necesidades de los clientes. Se fundamenta en el
trabajo en equipo como estrategia para generar las capacidades competitivas de la organizacin
y de las personas involucradas.
Las mejoras en estas reas representan importantes ahorros de costes, oportunidades para retener
a los clientes, capturar nuevos mercados y construirse una reputacin de empresa de excelencia.

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA

Objetivos

1.1 Objetivo general:

El objetivo general es el desarrollo de un proyecto de aplicacin de la metodologa 6 sigma que
muestre en forma clara y concisa los pasos a seguir; servir como una gua que facilita la
comprensin de aplicacin de los diferentes mtodos y herramientas estadsticas para la mejora
de la calidad.

Objetivos Especficos:
Aplicacin de la metodologa seis sigma para mejorar la calidad y productividad de una
planta de bebidas, reduciendo la variabilidad en el proceso, asegurando las caractersticas
de calidad establecidas para el producto.
Se pretende que este documento sea una gua, tanto para la capacitacin como para la
consulta, de todos aquellos que lleven a cabo la implementacin de proyectos de mejora bajo
la metodologa Seis Sigma.
Mostrar cmo se pueden utilizar el Minitab y Excel para reducir el tiempo de desarrollo de
los proyectos.

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA

SEIS SIGMA

1. SEIS SIGMA COMO HERRAMIENTA DE GESTIN

1.1. Historia:
El Mtodo de Seis Sigma es una filosofa que inicia en los aos ochenta como estrategia
de mercado y de mejoramiento de la calidad en la empresa Motorola, cuando el ingeniero
Mikel Harry, promovi como meta estimable en la organizacin; la evaluacin y el anlisis
de la variacin de los procesos de Motorola, como una manera de ajustarse ms a la
realidad. Es en esta poca, con el auge de la globalizacin las empresas del sector industrial
y comercial, que se empezaron a desarrollar tcnicas ms eficientes que le permitieran
optimizar los procesos para mejorar su competitividad y productividad, lo que involucr
como objetivo principal reducir la variabilidad de los factores o variables crticas que de
una u otra forma alteraban el normal desempeo de los procesos. Por lo que se tom como
medida estadstica confiable la evaluacin de la desviacin estndar del proceso,
representada por el smbolo , como indicador de desempeo y a su vez permita determinar
la eficiencia y eficacia de la organizacin. Esta iniciativa se convirti en el punto central
del esfuerzo para mejorar la calidad en Motorola, llamando la atencin al director ejecutivo
Bob Galvin; con su apoyo, se hizo nfasis no slo en el anlisis de la variacin sino tambin
en la mejora continua, observ que cuando se realiza el control estadstico a un proceso se
toma como variabilidad natural cuando este valor de sigma oscila a tres desviaciones del
promedio. Criterio que se modifica con el Mtodo Seis Sigma en donde se exige que el
proceso se encuentre a cuatro punto cinco desviaciones de la media. Esto implica que una
considerable informacin del proceso debe estar dentro de este intervalo, lo que
estadsticamente implica que se considera normal que 34 elementos del proceso no
cumplan los criterios de calidad exigidos por el cliente, de cada milln de oportunidades
(1.000.000). Esta es la causa del origen filosfico del Mtodo Seis Sigma como medida de
desempeo de toda una organizacin.

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
Fue as como con el transcurrir del tiempo ha surgido esta nueva filosofa de calidad como
evolucin de las normas de calidad que actualmente muchas empresas aplican. Esta nueva
iniciativa de mejoramiento motiv a Lawrence Bossidy, quien en 1991 despus de su retiro
de General Electric, toma la direccin del conglomerado Allied Signal para transformarla
de una empresa con dificultades econmicas, a una organizacin exitosa. Durante los aos
noventa, Allied Signal ampli sus ventas de manera sorprendente. Este modelo de calidad
fue imitado por Texas Instruments, alcanzando xitos similares.
Durante 1995 el director ejecutivo de General Electric, Jack W elch, se entera del xito de
esta nueva estrategia de mejoramiento gracias a la informacin suministrada por Lawrence
Bossidy, facilitando as a la ms grande transformacin en esta organizacin.
Esta forma novedosa de orientar las polticas de calidad establecidas en la organizacin,
se afianza de los criterios establecidos en las normas de calidad ISO y lo complementa con
un mayor compromiso con las tcnicas avanzadas de control estadstico de la calidad, lo
que indica que el Seis Sigma no es una metodologa de calidad que se aleje de los criterios
de mejoramiento que actualmente se desarrollan, por el contrario la integracin de estos
mtodos de mejoramiento continuo inducen a una mejor eficiencia y eficacia dentro de la
organizacin.

1.2. Definicin

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
La misin fundamental de la metodologa 6 es proporcionar la informacin necesaria para
implementar la mxima calidad del producto o servicio en cualquier actividad, as como
crear una atmsfera de confianza y comunicacin entre todos los que intervienen en el
proceso. Esto es muy importante ya que la informacin, las ideas y la experiencia aportadas
por todos los miembros del equipo ayuda a mejorar la calidad.
El Seis Sigma es una herramienta de mejoramiento que permite obtener organizaciones
eficaces y eficientes, continuamente alineadas con las necesidades de los clientes. Se
fundamenta en el trabajo en equipo como estrategia para generar las capacidades
competitivas de la organizacin y de las personas involucradas.

SEIS SIGMA es un mtodo de gestin de calidad combinado con herramientas estadsticas

cuyo propsito es mejorar el nivel de desempeo de un proceso mediante decisiones
acertadas, logrando de esta manera que la organizacin comprenda las necesidades de sus
clientes.
El mtodo SEIS SIGMA, conocido como DMAMC, se basa en el ciclo de calidad PDCA,
propuesto por Deming; figura 1, en donde las etapas se operacionalizan, segn lo indica la
figura 2, de la siguiente manera:
a) Definicin del proyecto.
b) Medicin de la informacin suministrada por el proceso y los clientes de la
organizacin.
c) Anlisis de la informacin, en donde se aplica algunas herramientas estadsticas
descriptivas e inferenciales.
d) Mejoramiento, etapa en la cual se proponen las soluciones de los problemas de calidad
planteados.
e) Control, el cual incluye los mtodos estadsticos de seguimiento a las variables del
proceso.

La clave para conseguir que el DMAMC se aplique en forma adecuada en la organizacin

es la siguiente:

a) El enfoque centrado en las necesidades y los requerimientos de los clientes.

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
b) La identificacin de las causas de los problemas que atentan contra la calidad del
producto final o del servicio prestado, evitando las soluciones apresuradas que generen
decisiones erradas y sin fundamento estadstico.
c) La realizacin de las mediciones de todas las variables crticas del proceso, lo que
implica el conocimiento profundo de cada una de las etapas o fases que conforman las
actividades de la organizacin.
d) La utilizacin de las herramientas estadsticas apropiadas que conduzcan a soluciones
vlidas y efectivas.
e) El control mediante un seguimiento constante que evale las diferentes actividades
que se encaminen a la solucin de un problema de calidad.

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA

2. ETAPA DE DEFINICIN
Introduccin

En esta etapa los responsables de la aplicacin del mtodo SEIS SI GMA definen el problema
de calidad mediante una planeacin que involucre las expectativas y necesidades de los clientes,
la identificacin del proceso y de sus interrelaciones, as como tambin las variables crticas.

2.1. Criterios de la Etapa de Definicin

En esta etapa la organizacin establece los siguientes pasos para la implementacin de
esta filosofa de gestin:
a. A travs de un diagnstico preliminar, la organizacin debe conocer e identificar las
reas susceptibles de mejora, definir las metas, objetivos y alcance del proyecto (ver
cuadro)-
b. Se debe identificar y evaluar la percepcin tanto de los clientes activos como de los
potenciales, para mantener una respuesta acorde con sus necesidades y expectativas
en todo cuanto se refiere a la fiabilidad del producto, impacto ambiental,
disponibilidad, tiempo de entrega, costo y seguridad. Comprender las necesidades y
expectativas de los clientes es un elemento fundamental para el xito de una
organizacin.

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
c. De acuerdo con el anlisis realizado en el diagnstico se seleccionan los proyectos
potenciales y se estiman los ahorros, el alcance razonable de tiempo que cada uno
genera.
d. La caracterizacin de los procesos (ver cuadro 2) es de suma importancia para
comprender de caracterizar el proceso radica en comprender cada una de las fases o
de las diversas actividades que lo conforman, pues de ella depende el grado de
confiabilidad del anlisis para la toma de decisiones.
e. Seleccin del Lder y el equipo del Proyecto: el lder debe ser un empleado de la
organizacin con conocimientos y experiencia en el rea involucrada en el proyecto,
con una compresin suficiente de la filosofa Seis Sigma y la aplicacin de las
diversas herramientas que exige el DMAMC, y lo ms importante es la capacidad
para transmitir al equipo sus ideas, motivaciones y encausarlo hacia los resultados
que la organizacin espera del proyecto.
Los miembros restantes del equipo son seleccionados con base en la experiencia y el
conocimiento del rea implicada.

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
Tabla 1.

Planeacin de actividades

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
Tabla 2.

Caracterizacin de un producto

3. ETAPA DE MEDICIN

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA
Introduccin

Es importante destacar que las mediciones cobran su importancia cuando las decisiones se basan
en hechos objetivos. Por lo tanto, en esta instancia resulta fundamental el conocimiento que la
organizacin tenga acerca de la aplicacin de los mtodos estadsticos. Si una empresa
fundamenta el tratamiento de la informacin recolectada nicamente en tcnicas estadsticas
descriptivas, el anlisis que se realice del proceso ser superficial e implicara toma de decisiones
erradas, generando de esta manera elevados costos atribuibles a la falta de calidad.

3.1. Medicin en la Organizacin

La organizacin debe planificar e implementar procedimientos de seguimiento con el
propsito de validar la informacin que toma del proceso, como la medicin y evaluacin
del producto, la capacidad del proceso, los indicadores de gestin del proyecto y la
satisfaccin de los clientes externos e internos .
La filosofa de SEIS SIGMA posee un enfoque basado en procesos. Es imperativo entonces
tomar la informacin de las fases que componen esta estructura. Las reas en las cuales se
debe tomar informacin son el rea de entrada al proceso, el rea que integra las distintas
actividades del proceso, el rea de salida del proceso y el rea de satisfaccin del cliente.
Tabla 3.

Mediciones de las diferentes actividades de la organizacin

Una
manera
simple de recolectar la informacin necesaria se obtiene definiendo inicialmente en el
planteamiento del proyecto un Plan de Recoleccin de Informacin, en el cual se deben
plantear, en primera instancia, cul es el objeto susceptible de medicin. Para ello se debe

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
establecer qu tipo de variable se est midiendo u observando, es decir, si se trata de una
variable discreta, continua o mixta, y cules son las especificaciones de cada una de las
variables crticas del proceso.

3.2. Medida del Nivel Seis Sigma

En segundo lugar, se debe definir la medida del nivel SEIS SIGMA en la
organizacin, que expresa la variabilidad del proceso con respecto a las
especificaciones establecidas por la organizacin o lo requerimientos de los clientes.
Esta medida se realiza mediante una tabla de informacin que muchos autores toman
como base para establecer la medida de desempeo como base para establecer la
medida de desempeo de la organizacin. Estos clculos se obtienen de cuantificar
la medida de probabilidad de un proceso cuyo comportamiento sea una distribucin
normal estndar ~ (, 2 ), cumpla con las especificaciones requeridas en el
proceso. Sea les y lei los lmites de especificacin superior e inferior de un proceso,
la probabilidad p de que un artculo sea no conforme es:

= ( ) + ( ) = [ ] + [ ]

Asumiendo que el promedio del proceso es el valor nominal de las especificaciones,
tenemos entonces,
+
=
2

Figura 3. Proceso cuyo ndice de capacidad es la unidad

Para un proceso cuyo ndice de capacidad de la unidad = = 1, tenemos
3

que (les ) = - (lei - ) = (1)( 3)= 3

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
= [ 3] + [ 3] = 0,0027(0,27%)

Lo que implica que 0,27% de las unidades son no conformes o en forma equivalente
se tiene en el proceso una produccin no conforme de 2,7 por cada milln de
unidades fabricadas.
Utilizando los mismos criterios anteriores con un Cp=2, (les ) = - (lei - ) =
(2)( 3)= 6. El clculo del porcentaje de unidades no conformes es,
= [ 4,5] + [ 4,5] = 0,0000034(0,00034%)
Es decir por cada milln de unidades fabricadas 3,4 son no conformes, criterio en la
filosofa del DMAMC.

3.3. Evaluacin de la Medida de Desempeo

El procedimiento para el clculo de la medida o niv el de desempeo consiste en determinar
inicialmente los Factores Crticos de Calidad (FCC) de la organizacin o tambin llamados
Oportunidad de Error que consiste en cualquier parte de la unidad o servicio que est ex
puesta a generar una no conformidad, posteriormente se multiplica este valor por una
muestra de artculos producidos (MAP) obteniendo de esta forma el total de Defectos
Factibles (TDF=FCCxCP); luego se toma el nmero de no conformidades o fallas
presentes en el proceso (NC) y se divide entre el Total de Defectos Factibles (TDF) y esto
a su vez se multiplica por un milln, para obtener los Defectos por Milln de
Oportunidades (DPMO)

La formulacin se presenta de la siguiente manera que:

= 1,000.000 = 1,000.000

Donde:

D P M O representa la cantidad de defectos por milln de oportunidades;

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
F C C es la cantidad de factores crticos de calidad de la organizacin;

M A P es el tamao de una muestra de artculos producidos;

T D F es el total de defectos factibles;

N C es el nmero de no conformidades o fallas presentes en el proceso.

Existen maneras tradicionales para socavar la informacin que permita determinar la

medida DPMO. Los factores crticos de calidad (FCC) se determinan mediante tcnicas
de muestreo aleatorio de clientes externos e internos del proceso en cada una de las etapas
del mismo. Si se trata de un servicio, la mejor metodologa constituye en aplicar un
cuestionario a una muestra representativa de consumidores.

Tabla 4.

Criterios para determinar el valor del nivel Seis Sigma.

Tabla 5

Medida del nivel de Seis Sigma

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA

Tabla 6

Plan de la recoleccin de la informacin

4. ETAPA DE MEJORAMIENTO
Introduccin

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA
En esta etapa la organizacin debe mejorar continuamente en trminos de la eficacia de sus
procesos, de tal manera que permita llevar a cabo nuevas tcnicas o formas ms efectivas de
optimizacin. Para lograr este mejoramiento la organizacin debe comprometerse a determinar
las tendencias del producto y a establecer el nivel de satisfaccin del cliente, a la vez que debe
realizar estudios comparativos de su desempeo y nivel de competitividad con respecto a otras
organizaciones. Tcnicas de mejoramiento como el AMEF, el DISEO EXPERIMENTAL
ayudan a la toma de decisiones adecuadas en la organizacin.

4.1. Anlisis del Modo y Efecto de Fallas Potenciales.

Una herramienta til para llevar a cabo la etapa de mejoramiento continuo es el anlisis
del modo y efecto de fallas, AMEF, mediante el cual se identifica el problema y sus
posibles causas, as como tambin se proponen posibles soluciones, se estipulan los
responsables y las fechas establecidas para la ejecucin de las mismas.
La tcnica AMEF se basa fundamentalmente en procedimientos de observacin y
descripcin constantes, por lo que es poco objetiva y su utilizacin se restringe a casos
poco complejos de anlisis.

Tabla 8
Anlisis del modo y efecto de falla potencial

4.2. Diseo Experimental Unifactorial.

El diseo experimental es otra de las herramientas ms aplicadas en el mejoramiento y
optimizacin de un proceso. Aqu, mediante una tcnica denominada anlisis de varianza

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
se cuantifica el efecto de diferentes niveles o tratamientos sobre una variable respuesta que
se constituye en objeto de inters. Uno de los principales objetivos del anlisis de los datos
en un diseo experimental es cuantificar y evaluar la importancia de las fuentes de
variacin atribuida a distintos niveles de uno o varios factores de clasificacin o
tratamientos.
En trminos formales, el anlisis de varianza, idea do por R. A. Fisher, es un procedimiento
sistemtico que transforma la variabilidad total (o suma de cuadrados totales), en
variabilidad explicada por los distintos niveles de los factores de clasificacin o,
simplemente, tratamientos y una variabilidad inexplicable debida a presencia inevitable de
discrepancias entre lo que se observa y lo que debiera ser. La tabla de anlisis de varianza
resume el conocimiento acerca de la variabilidad de las observaciones del experimento. Se
ha hecho una particin en dos de la suma total de cuadrados; una representa la variacin
entre las medias de los tratamientos, la otra del error experimental.
El diseo unifactorial se utiliza cuando las observaciones yij de una variable respuesta
de inters sufren la influencia de cierto factor, el cual se puede presentar en a niveles
diferentes de forma que para cada uno de ellos se realizan muestras independientes de
tamao ni , con i mostrando los distintos niveles del factor de inters. Aqu, N representa
el total general de observaciones en todos los niveles, yi. representan el total para el i
simo nivel del factor y y es el gran total.
Es til describir las observaciones de un experimento en forma de un modelo matemtico.
Para el diseo unifactorial el modelo tiene la forma:

yij i ij con i 1,...,a y j 1,...,n

Donde yij es la j - sima observacin del i - simo factor, es un parmetro comn a todos
los tratamientos al que se llama media global,

i es un parmetro nico del tratamiento i- simo al que se le llama efecto del tratamiento
i- simo, ij : es un componente del error aleatorio

La ecuacin anterior se conoce por lo general como el modelo de los efectos. Igualmente
a este modelo se le considera, por su facilidad de solucin, como un modelo estadstico

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
lineal, es decir la variable de respuesta yij es una funcin lineal de los parmetros del
modelo. E l modelo de efectos en el cual se investiga la influencia de un nico factor se
denomina modelo de anlisis de varianza simple o de una va. Adems, es un requisito
indispensable que el experimento se lleve a cabo en orden aleatorio para que el ambiente
en el que se apliquen los tratamientos sea lo ms uniforme posible. Por lo tanto, el diseo
experimental es un diseo completamente aleatorizado. Los objetivos sern pro bar la
hiptesis apropiada acerca de las medias de los tratamientos y estimarlas.

Tabla 8

Anlisis de varianza para un diseo unifactorial

Las formulaciones planteadas en la tabla de anlisis de varianza se presentan a

continuacin. La suma total de cuadrados es:

2
2. .
= [ ]

,

La suma de cuadrados de los tratamientos es:

2 2. .
= [ ]

,

La suma de cuadrados del error se evala mediante la diferencia de la suma total de

cuadrados y la suma de cuadrados del tratamiento, as:

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA
Si una variacin debido a los tratamientos es significativamente mayor que el error
experimental aleatorio, entonces se requiere una prueba de hiptesis. Para la prueba de
hiptesis se utiliza una regin crtica de un lado en la cola de la derecha. La hiptesis nula
H 0 se rechaza para una probabilidad de un error tipo I de la siguiente forma:

> [(1),()]

Donde es el valor crtico de la distribucin de Fisher para un nivel de significancia igual a

.

Aqu la hiptesis nula planteada es H 0: i j.

Mediante esta prueba se busca determinar que tan significativa es la influencia de los
niveles del factor sobre la variable respuesta.

4.3. Ajuste de Superficie de Respuesta.

Para la optimizacin del proceso se puede modelar la informacin suministrada mediante
un polinomio que se ajuste en forma adecuada a los datos. Esto se realiza mediante un
ajuste de superficie de respuesta para el modelo unifactorial que se presenta a continuacin.
El modelo polinomial que se ajusta requiere que los a niveles o tratamientos sean
cuantitativos o numricos y equidistantes, siendo su formulacin

= 0 + 1 1 + + () +

Donde Pi (x) es un polinomio ortogonal de orden i, es decir, para un experimento con a

niveles del factor X, se tiene que

() () = 0.
,=1

Las sumas de cuadrados en un diseo unifactorial se determinan de la misma manera como

se indic en el aparte inmediatamente anterior.

El siguiente paso es determinar la idoneidad del modelo mediante el coeficiente de

determinacin R 2, calculado de la siguiente forma

2 = =1

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA
Algunos autores consideran que un modelo es idneo o que interpreta en forma adecuada
el fenmeno estocstico que pretende modelar cuando 2 0,9

5. FILOSOFA Y ESTRATEGIA DEL SEIS SIGMA

Introduccin

Todo mtodo de gestin est sujeto a unos principios filosficos que permitan direccionar los
esfuerzos de la organizacin hacia un objetivo de calidad concreto. En el siguiente apartado se
tratar los principios filosficos del Mtodo Seis Sigma y as como tambin se menciona cada

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA
una de las etapas que se deben continuar para que la Organizacin estructure un Equipo de
Mejoramiento idneo y congruente con el personal de la organizacin.

5.1. Principios Filosficos del Seis Sigma. A continuacin se enumeran los principios
filosficos del mtodo Seis Sigma:
Primer principio. Enfoque al cliente externo e interno. El mejoramiento continuo, al igual
que cualquier filosofa de mejoramiento continuo que aplicados en la ltima dcada, que
se adeca a cada organizacin tiene como prioridad fundamental satisfacer en forma
integral al cliente tanto interno como externo.
Segundo principio. Anlisis sujeto a la informacin veraz y oportuna. En el Mtodo Seis
sigma se deben detectar las variables crticas que afectan el proceso, tomando informacin
que posteriormente es analizada y procesada de una manera eficaz, utilizando herramientas
estadsticas robustas.
Tercer principio. Enfoque basado en procesos. Al igual que las normas de aseguramiento
de calidad ISO el Mtodo Seis Sigma se orienta a las condiciones presentes en el proceso.
Cuarto principio. Actitud preventiva. El Mtodo Seis Sigma implica asumir una actitud
preventiva y crticas de cada una de las actividades que posee un proceso.
Quinto principio. Trabajo en equipo. El trabajo en equipo en una organizacin es esencial
entre sus miembros, ya que favorece una excelente comunicacin entre los miembros
provocando un anlisis acertado de las situaciones que se presenten en las diversas
actividades que se presenten en el proceso.
Sexto principio. Mejoramiento Continuo. Esta es la primordial de una organizacin es
satisfacer al cliente y no se logra mediante una poltica de mejoramiento continuo de cada
uno de los procesos.

5.2. Equipo de Mejoramiento Continuo.

El equipo de mejoramiento es indispensable en cualquier organizacin que desee
implementar como filosofa de calidad los principios del Mtodo Seis Sigma. Para
estructurar este Equipo de Mejoramiento es necesario atravesar por seis etapas, que se
enumeran a continuacin:

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
a. Identificacin y seleccin de proyectos. Una vez identificados los problemas, el equipo
de mejoramiento continuo presenta un proyecto y la direccin selecciona los ms
competentes en funcin de las posibilidades de implementacin y de los resultados
obtenidos, para la empresa y la satisfaccin del cliente.
b. Formacin de los equipos de mejoramiento. Dentro del equipo de mejoramiento existe
el Lder del grupo (Cinturn Negro) que la gerencia asigna por sus conocimientos en
el proceso o comprensin de las diversas herramientas estadsticas. Este lder escoge
aquellos individuos que poseen las cualidades necesarias para ingresar al proyecto de
mejoramiento que es seleccionado como primordial para la organizacin.
c. Desarrollo del Plan de Mejoramiento. Este documento es la gua del equipo de
mejoramiento, por lo que debe ser claro en cuanto a los objetivos, responsabilidades,
recursos y fechas establecidos en el proyecto.
d. Capacitacin de los miembros del equipo. Es imprescindible que los miembros del
Equipo de Mejoramiento sean capacitados en herramientas de gestin, Estadsticas y
probabilidades.
e. Ejecucin del DMAMC. Los equipos de mejoramiento son responsables de:
desarrollar los planes de los proyectos, los procedimientos necesarios para cada una
de las soluciones que se presenten, implementar y asegurarse de que funcionan
(midiendo y controlando los resultados) cada una de las propuestas presentadas en el
proyecto durante el tiempo proyectado para su cumplimiento.
f. Traspaso de la solucin. Una vez cumplido los objetivos para los cuales fueron creados
cada uno de los equipos, estos se disuelven y sus miembros retornan a sus
responsabilidades iniciales dentro de la organizacin o pasan a integrar otros equipos
de mejoramiento para los cuales estn capacitados.

Las funciones en el proceso de Seis Sigma se inspira en las tcnicas marciales como
filosofa de mejora continua, se han otorgado diversos niveles de cinturones para aquellos
miembros de la organizacin que lideran o ayudan a implementar los proyectos de mejora.

El Cinturn Negro (Black Belts) son personas que se consagran a detectar oportunidades
de cambios crticas y a conseguir que logren resultados. Es responsable de liderar, dirigir,
delegar, entrenara los miembros de su equipo. Debe poseer amplios conocimientos tanto

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA
en materia de calidad, como en estadstica, para el anlisis, resolucin de problemas y toma
de decisiones.

El Cinturn Verde (Green Belts) es el soporte a las tareas del Cinturn Negro. Sus
funciones consisten en aplicar los nuevos conceptos y herramientas de Seis Sigma a las
actividades de la organizacin.

El Primer Dan (Master Black Belts) sirve de entrenador, consultor y asesor a los miembros
de la organizacin en especial a los Cinturones Negros que trabajan en los diversos
proyectos. Debe poseer mucha experiencia en la implementacin del Seis Sigma, como en
los procesos administrativos y operativos de la organizacin. Espnsor o Champions es un
ejecutivo o directivo que inicia y patrocina a un equipo de proyecto lo que lo hace
responsable del xito de los mismos. El Espnsor forma parte del Comit de Liderazgo,
siendo sus responsabilidades: garantizar que los proyectos estn ajustados a los objetivos
generales de la organizacin, mantener informados a los miembros del Comit de
Liderazgo sobre el avance del proyecto, convencer a la organizacin o terceros para aportar
al equipo de mejoramiento los recursos necesarios para su sostenimiento, tales como
tiempo, dinero, y la colaboracin de otros miembros de la organizacin. Tambin es
responsable de conducir reuniones de revisin peridicas, manejar y controlar conflictos;
adems, mantener relaciones con otros proyectos Seis Sigma de la organizacin.

Lder de Implementacin o Chief Executive Officer CEO, es responsable de implementar

en el sistema de calidad de la organizacin el Mtodo Seis Sigma y de los resultados que
ste arroje para la organizacin, siendo ste el estratega ms importante del sistema, ya que
aporta una visin de todos los cambios que se deben encausar en la organizacin por lo que
es responsable de desarrollar las estrategias adecuadas para direccionar estos cambios.

5.3. Estrategias del Seis Sigma La implementacin del Mtodo Seis Sigma comprende cuatro
fases principales, cada una de las cuales estn compuestas por a su vez por varias etapas.

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
Estas etapas en su orden son Disposicin de Cambio, Despliegue de Objetivos, Desarrollo
del Proyecto y Evaluacin de Beneficios.
5.3.1. Disposicin de Cambio. En primer lugar es imperioso que los directivos de la
organizacin se comprometan con el cambio. Este compromiso se logra si se exhibe
el desarrollo de los mercados internacionales y de los procesos productivos en
especial.
En segundo lugar debe exponerse en forma clara lo que sucede con las
organizaciones, detallando su evolucin con respecto a sus competidores.
El paso siguiente es demostrar las caractersticas y condiciones del Mtodo Seis
Sigma, mostrando adems las discrepancias de este, en relacin a otros Sistemas
de Gestin de la Calidad y de mejoramiento continuo.
Como cuarto paso se planifica estratgicamente cules son los valores, misin y
visin de la organizacin, para puntualizar a continuacin objetivos a alcanzar para
hacer posible los objetivos de ms largo plazo. Se debe lograr posteriormente una
visin compartida con la cual se alcance un compromiso en equipo que permita
obtener ptimos resultados en la implantacin del Mtodo Seis Sigma.
En quinto lugar se seleccionan los Lderes y Cinturones, en funcin de sus
conocimientos y se procede a capacitar los diversos niveles de cinturones, as como
tambin todos los miembros que constituyen un equipo de mejoramiento.

Esta capacitacin incluir aspectos vinculados con el funcionamiento del Mtodo

Seis Sigma, Control Estadstico de Procesos, Diseo de Experimentos,
herramientas de Gestin de la Calidad, herramientas como la AMEF que es
utilizada para especificar los problemas del proceso y detectar las variables crticas
del proceso y la aplicacin de software estadsticos.
5.3.2. Despliegue de Objetivos. Se establecen los sistemas de informacin, capacitacin
y control adecuados al sistema de mejora que incluye en los sistemas de
informacin indicadores que permitan obtener qu nivel de Seis Sigma posee el

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA
proceso. A su vez se integran los primeros grupos de trabajo enlazados con los
proyectos seleccionados.
5.3.3. Desarrollo del Proyecto. Bsicamente el primer paso para el desarrollo de un
proyecto Seis Sigma es la definicin de las caractersticas de calidad o los
requerimientos de los clientes externos e internos, y establecer la manera en que se
medirn estos requerimientos en funcin de las especificaciones o necesidades de
los clientes. Los equipos de mejoramiento de Seis Sigma a continuacin proceden
a aplicar la metodologa DMAMC (Definir-Medir-Analizar-Mejorar-Controlar).
Informando a los directivos de la organizacin los avances, de manera detallada,
de los diferentes proyectos que los grupos de trabajo desarrollan.
5.3.4. Evaluacin de Beneficios. Una vez implantado cada una de las etapas del Seis
Sigma se evala las mejoras producidas en cada uno de los proyectos desplegados
en la organizacin, lo que implica que cada grupo de trabajo debe calcular los
niveles de rendimiento DPMO, tomando este valor como termmetro o indicador
de las diferentes alternativas de solucin.

6. ETAPA DE ANLISIS
Introduccin

Es la etapa ms importante de la filosofa Seis Sigma, ya que se deben aplicar todas las
herramientas estadsticas que se ajusten a la informacin suministrada por el proceso. Una
seleccin adecuada del mtodo estadstico permitir sin lugar a dudas obtener mejores beneficios
y con ello acceder a un anlisis muy cercano a la realidad. Entre estos mtodos de anlisis,
encontramos los ms sencillos como el Diagrama de Pareto, Diagrama de Causa y efecto como

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA
paso previo al anlisis inicial. Tambin encontramos herramientas igualmente vlidas como son:
el Diagrama de Dispersin, El Modelo Lineal con su coeficiente de correlacin y determinacin.
Existen herramientas especializadas que necesariamente el responsable en la organizacin, de
implementar el Mtodo Seis Sigma debe conocer o en su defecto contratar personal experto,
como es el caso de herramientas estadsticas como el Control Estadstico de Procesos y el Diseo
Experimental.

6.1. Diagrama de Pareto. Tambin conocido como el Anlisis de Pareto. Su objetivo principal
es separar los problemas de calidad en pocos defectos vitales, generando el ochenta por
ciento (80%) de los problemas de calidad (variabilidad no natural), y los muchos defectos
triviales. Porcentajes que son utilizados tradicionalmente, pero que carecen de una
rigurosidad estadstica. Para la elaboracin de este diagrama se sugiere realizar el siguiente
procedimiento:

100.0000
3000 90.0000
80.0000
2500
70.0000
Costo total

2000 60.0000
50.0000
1500
40.0000
1000 30.0000
20.0000
500
10.0000
0 0.0000
D1 D10 D11 D2 D3 D6 D4 D9 D7 D8 D5
Defectos

a. Identificar el problema de calidad.

b. Estratificar los datos.
c. Metodologa y tiempo de recoleccin de los datos.
d. Disee una tabla de registro de los tipos de defectos existente (tems) en el problema
de calidad con sus respectivos totales, los totales acumulados, la composicin
porcentual y el porcentaje acumulado.
e. Organice estos datos de acuerdo a la cantidad.
f. Dibuje dos ejes verticales y un eje horizontal.

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA
g. En el eje horizontal coloque tantos intervalos como tems existan.
h. Construya para cada intervalo una barra y dibuje la curva acumulada.

Es importante recalcar que el Diagrama de Pareto se construye basado en la variable o

problema de calidad; estos pueden ser clasificados como: Calidad del proceso: defectos,
reparaciones; Costo: magnitud de la prdida; Entrega: inventarios y demoras; Seguridad:
accidentes e interrupciones.
6.2. Diagrama de Causa y Efecto. Tambin llamado diagrama de espina de pescado, que
consiste en determinar todos los factores que influyen en el resultado de un proceso. A
continuacin se describen los pasos para la construccin del diagrama de Causa y Efecto
o tambin llamado Espina de Pescado:
a. Determine el problema de calidad.
b. Encierre la caracterstica de calidad en un cuadro y escrbalo al lado derecho.
prolongando una lnea horizontal a la izquierda de dicho cuadro.
c. Escriba las causas primarias y secundarias que afectan dicho problema de calidad
conectndolas en la lnea horizontal.
6.3. Prueba de Normalidad. Es indispensable conocer que cuando se aplica una herramienta
estadstica en donde se involucran variables continuas o cuantitativas es fundamental
determinar si la informacin obtenida en el proceso, tiene un comportamiento mediante
una distribucin normal. Para ello la estadstica posee algunas pruebas, entre ellas
encontramos la prueba de Ji-cuadrado, Kolmogorov - Smirnov Lilliefors, Shapiro y Wilks
o la prueba de Anderson Darling; pero una manera muy sencilla de realizar la prueba de
normalidad es construyendo un Histograma de Frecuencia.

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA

8
7
6

Frecuencia
5
4
3
2
1
0
4.9825 4.985 4.9875 4.99 4.9925 4.995 4.9975
Lmites

6.4. Diseo de Parmetro Robusto. Es la parte de la metodologa de Taguchi que involucra

diseos de tratamientos factoriales, los cuales consisten en r factores, lo que se pueden
controlar durante el proceso de manufactura y los que no son controlables.
En la terminologa de Taguchi los factores controlables se identifican como los parmetros
o factores controlables, los que no se controlan se conocen como factores ruido y no
controlables. Las variables y los factores de ruido son los ms sensibles a los cambios en
las condiciones del entorno durante la produccin y por lo tanto transmiten la variabilidad
a las respuestas de inters en el proceso.
Un objetivo es determinar que combinacin de factores controlables es la menos sensible
a los cambios en las variables de ruido, de este concepto se deriva el nombre de diseo de
parmetros robusto.
El mtodo de anlisis de Taguchi tiene como metas principales:
a. Minimizar la respuesta
b. Maximizar la respuesta
c. Lograr una respuesta nominal, diferente de la mnima o mxima

El diseo de Taguchi atiende el siguiente modelo para tres factores

= 0 + 1 1 + 2 2 + 3 3 + 12 1 2 + 13 1 2 + 23 2 3 + 1 1 + 11 1 1
+ 21 2 1 + 31 3 1 +

El modela de la media para las respuestas se representa como:

= [(, )] = ()

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
Siendo f(x) es la proporcin del modelo que incluye solo las variables controlables. El
modelo de la varianza para la respuesta, se determina mediante la siguiente formulacin:

(, )
[(, )] = 2 [ ] 2 + 2

=1

La varianza de la respuesta 2 se estima mediante el cuadrado medio del error, CME y 2

es conocida como la varianza del ruido.

SEIS SIGMA | INGENIERA DE LA CALIDAD

 10 de octubre de 2017
SEIS SIGMA

7. ETAPA DE CONTROL
Esta etapa permite verificar la efectividad y la eficacia de los diversos cambios que sufre el
proceso no a travs de las diversas etapas de mejora. Es indispensable entonces definir unos
indicadores que nos muestre el nivel de desempeo de la organizacin. Las ciencias estadsticas
permiten utilizar un sinnmero de aplicaciones para conocer el estado de un proceso bajo los
eventos que ofrece la informacin recolectada en la organizacin.

Entre los mtodos o procedimientos aplicados para realizar el control a un proceso se encuentran
herramientas tales como los Grficos de Control Univariada por variables y Capacidad del
proceso; las anteriores herramientas son aplicadas cuando las variables son cuantitativas,
Grficas Univariadas por atributos cuando las variables son cualitativas, las Grficas de Control
Multivariadas y el Diseo de Experimentos.

7.1. Grficos de Control Univariados.

Es un diagrama que presenta el comportamiento y a su vez se realiza el seguimiento de
una caracterstica de calidad en el tiempo. Detectando la existencia o no de inestabilidad
en el proceso, si ello ocurre se conoce como causa asignable (En estadstica involucra la
variabilidad ajena a la informacin del proceso). La caracterstica de calidad es evaluada
mediante el estadstico de las muestras o subgrupos que se toman del proceso. Entre los
estadsticos ms utilizado tenemos el promedio X, el rango R, la varianza s2, la proporcin
p, el nmero de no conformidades en el subgrupo u. Los tres primeros son aplicados en
las Grficas de Control por Variable y las dos ltimas por las grficas de control por
atributos. El supuesto de normalidad e independencia se deben cumplir para la elaboracin
de estas grficas de control.

7.1.1. Fundamentos Tericos de los Grficos de Control Univariados por Variables.

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
Esta grfica es propuesta por Walter Shewhart, es una de las herramientas ms
utilizadas en el SPC, permite monitorear y controlar el promedio de un proceso es
conocido como grfico x, es una carta que se aplica para controlar y mejorar la
calidad media a travs del valor promedio x, calculado en cada subgrupo o muestra,
es presentada simultneamente con el grfico R que permite controlar y mejorar la
dispersin o variabilidad.
Pero como la variacin es inherente en cada subgrupo los promedios y los rangos
varan en cada subgrupo permitiendo as dos tipos de errores:
Error tipo I: ocurre cuando al tomar una muestra conduzca a tomar una accin,
cuando en realidad no ha habido cambio alguno en el proceso.
Error tipo II: sucede cuando al tomar una muestra la grfica muestre un proceso
bajo control cuando en la realidad haya ocurrido un cambio en el proceso.
Para que un proceso de produccin sea estable, ambas estadsticas, tanto el
promedio como la dispersin deben estar en estado de control. Por tal motivo, para
efectos prcticos, las cartas x y R se dibujan en la misma hoja de papel. Esta etapa
del proceso se conoce como FASE I.
La siguiente es la secuencia de actividades generales que se sigue en la elaboracin
de cartas de control x y R:
a. Establecimiento de objetivos.
b. Seleccin de las variables a controlar: la variable o variables a controlar deben
ser magnitudes susceptibles de medirse.
c. Eleccin del criterio de formacin de subgrupos.
d. Eleccin de tamao y frecuencia de los subgrupos.
e. Determinacin del mtodo de medicin.
f. Obtencin de las mediciones y registro de ellos.
g. Clculo de la media, x de cada subgrupo.
h. Clculo de la amplitud R, de cada subgrupo: la amplitud de cada subgrupo se
calcula restando el valor de la medicin ms baja de la ms alta.
i. Clculo del rango promedio R.
j. Determinacin de lmites de control. Los lmites de control de la carta R se
calcula de la siguiente manera lscR = D4R y licR = D3R donde D3 y D4 son

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
factores que dependen del tamao de la muestra. Para la carta x, los lmites de
control se expresan de la siguiente manera lcsx = x + A2R y lcix = x A2R
donde A2 es un factor que depende del tamao no del subgrupo, est definida
como
3
2 =
2

La metodologa en la elaboracin de cartas de control x y s es similar que la

establecida en las grficas x y R. Calculando el valor de la desviacin estndar de
cada uno de los subgrupos y las formulaciones utilizadas para determinar los lmites
de control iniciales o FASE I, estos son: para los lmites de control de s4, se calcula
lcs=B4S y lci=B3S donde B3 y B4 son factores que dependen del tamao de la
muestra.

Estimacin de la Desviacin Estndar de la Poblacin. La teora estadstica

proporciona una relacin entre el promedio y la desviacin estndar muestral (este
promedio es el resultado de la sumatoria de las desviaciones estndar para cada
subgrupo entre el nmero de subgrupos recogidos en cada muestra) y la desviacin
estndar poblacional . Relacin que est dada por la constante c4. Por ejemplo, el
valor de c4 para una muestra de cinco es de 0.94. Posteriormente se obtiene el
promedio de la desviacin estndar de los grupos en estudios. La estimacin de la

desviacin poblacional mediante 0 = . Tambin suministra el valor esperado de
4

la relacin existente entre el recorrido R (calculado sumando los rangos obtenidos

en todos los subgrupos entre el nmero de ellos) y la desviacin estndar

poblacional mediante el parmetro d2. La estimacin de la desviacin es =
2

La FASE II o Determinacin de los Lmites de Control Estndar. Una vez

establecido, mediante las cartas, que el proceso se encuentra bajo control
estadstico (es el fundamento de los lmites de control inicial, FASE I), el siguiente
paso es calcular los lmites de control estndar del proceso. Para la medida de

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
localizacin o promedio la formulacin es la siguiente, el lmite de control superior

es lcs = + A donde = x y = , son los parmetros del proceso, promedio y
2

desviacin estndar; el lmite central lc = y el lmite de control inferior lci =

A. Para la medida de variabilidad tenemos para el lmite superior estndar de
control lcs = D2, el lmite central estndar lc = R y el lmite inferior estndar de
control lci = D1.

Los lmites de control estndar para las grficas x y s son para las medidas de

localizacin x, lcs = + A, donde = x y = , son los parmetros del proceso,
4

promedio y desviacin estndar; el lmite central lc = y el lmite de control

inferior lci = A. De otra parte la medida de variabilidad es calculada mediante
la siguiente formulacin lcs = B6, lc = c4 = S y lci = B5.

7.1.2. Fundamentos de los Grficos de Control por Atributos.

Algunas veces no es deseable en un proceso centrarse en las especificaciones de
una caracterstica de calidad, sino clasificar las unidades fabricadas en unidades
conformes y no conformes o determinar el nmero de no conformidades que
posee cada unidad o subgrupo. El seguimiento grfico de este tipo de caractersticas
de calidad se conoce como grficas de control por Atributos.
Grficos de Control para el Nmero de Unidades No conformes (Diagrama p).
Un grfico p muestra la variacin que existe en la fraccin de no conformes en un
proceso, en donde p se conoce como la fraccin defectuosa. El comportamiento de
esta fraccin de no conformes es una distribucin Binomial en donde se asume que
la probabilidad de que una unidad no est conforme es p y que las unidades
fabricadas son independientes. Al seleccionar en forma aleatoria una muestra con
n unidades, y si X es una variable aleatoria que est representando el nmero de
unidades no conformes en la muestra. Entonces se afirma que X tiene una
distribucin Binomial con parmetros n y p.

La fraccin de unidades no conformes esta especificada como = , como X

b(n,p) entonces,

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
(1 )
~ (, )

Si el valor de p es conocido en el proceso, los lmites de control se definen como,

(1 ) (1
= + 3 , = = 3

Grficas de Control de Unidades no Conformes. Los siguientes son los pasos

necesarios para construir un grfico de control de las unidades no conformes:

a. Trazamos un diagrama preliminar para determinar si el proceso se encuentra

en control, calculando inicialmente el promedio de defectuoso durante el
periodo en que se tom la informacin histrica.
b. Para ello, tomamos el nmero total de partes defectuosas sobre el nmero total
de inspecciones realizadas.
c. Evaluar los lmites de control superior, central e inferior de control.
d. Determinar la existencia de subgrupos fuera de control y si existen causas
asignables en el comportamiento del proceso.
e. Se analizan nuevamente los datos para obtener la base, en cuanto a los lmites
de control (lmites de control estndar), que se utilice para producciones
futuras.

Grfica de Control Para la Cantidad de Unidades No Conformes. El grfico de

control np muestra la variacin existente en la fraccin defectuosa en un proceso,
en donde p se conoce como la fraccin defectuosa y el tamao del subgrupo n es
constante.

El clculo de los lmites de control se determinan mediante lcs=np+3(1 )

para el lmite superior de control, lcs = np el lmite central y lci=np 3(1 )

el lmite inferior de control; permite calcular los estadsticos de cada uno de los
subgrupos.

Grfica de control para el nmero de no conformidades. La aplicacin de la

grfica del nmero de no conformidades c es til para controlar el nmero de

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
defectos c presentes en una unidad o subgrupo predeterminado. En este grfico, el
tamao de la muestra debe ser fijo. El uso de es especialmente conveniente cuando
no existe una unidad natural de producto y se requiere controlar la cantidad de no
conformidades o fallas sobre una superficie o a lo largo de una longitud constante.
Sea X el nmero de no conformidades presente en el subgrupo, cuyo
comportamiento es una distribucin Poisson con parmetro c, el nmero de no

conformidades est definida como = , ~(), se tiene entonces, c ~ p(c).

Cuando el parmetro c es conocido, los lmites de control son evaluados mediante,

lcs = c + 3

lc = c

lci = c 3

Grfico de Control Para el Nmero de no Conformidades por Unidad. El

grfico de control para u, no conformidades por unidad de producto, se utiliza
cuando la inspeccin del producto cubre ms de una caracterstica.

Bajo esta circunstancia varios no conformidades pueden presentarse en una unidad

de producto en forma independiente y una mejor medida del nivel de calidad se
obtiene, mediante el conteo de todas las no conformidades observadas divididas
por el nmero de unidades inspeccionado para obtener un valor de defectos por
unidad. Este cociente de c / n se representa por el smbolo u.

Aunque el valor de u no sigue una distribucin Poisson tal como ocurre con c,
podemos deducir los lmites de control de u de la siguiente forma,

1 1
() = ( ) = 2 () = 2 = =

Los lmites de control para la carta u estn definidos como,

= + 3

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
=

= 3


=1
El lmite central es calculado mediante =
=1

7.2. Grfico de Control Multivariado. Durante la Segunda Guerra Mundial la tcnica

estadstica de grficas de control univariadas fue la ms utilizada a pesar de que los
procesos y productos que se analizaban posean en su gran mayora dos o ms
caractersticas de calidad. Con el tiempo se dio la necesidad de aplicar herramientas
estadsticas multivariadas para controlar en forma simultnea dos o ms variables.
Sin embargo las tcnicas multivariadas de control son tcnicas muy complejas de utilizar,
por los conceptos matemticos que se manejan. Esta dificultad es supera posteriormente
con el avance de los programas o software especializados en control estadstico de
procesos, lo que origin un inters de las tcnicas de control multivariado.
El nmero de caractersticas de calidad en una carta multivariada es representada por p. El
principal objetivo en este tipo de carta es determinar bajo un contraste de hiptesis si las p
variables se encuentran bajo control estadstico.
Para resolver este problema se propusieron dos mtodos 1) Realizar una carta de control a
cada una de las p variables y rechazar la hiptesis cuando cualquiera de estas variables
indiquen una seal fuera de control, obteniendo de esta forma un error tipo I 1 (1)p , 2)
Rechazar la hiptesis cuando todas las cartas indiquen que la variable a controlar posea
una seal fuera de control, en este caso la probabilidad de error tipo I es de p . Sin embargo
ninguna de estas propuestas explica el grado de correlacin que pueda tener las variables,
que en muchas ocasiones existe.

7.2.1. Grfico de Control Multivariado para Observaciones Individuales.

La tcnica grfica de control multivariado se elabora para determinar cuatro
importantes propiedades que estn definidas de la siguiente forma:
a. Determinar si el proceso se encentra o no en control.

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
b. Mantener constante el error tipo I o nivel de significancia .
c. Con este tipo de herramienta se puede determinar el tipo de relacin existente
entre las variables involucradas en el proceso.
d. Si el proceso est fuera de control cul es la variable que caus dicho
inconveniente?

Conclusiones

Si una empresa se interesa en implantar la herramienta 6 s, se recomienda

que para que tenga xito y no desperdicie recursos tanto materiales como
humanos, tome como referencia la propuesta proporcionada aqu, realizando

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
las adecuaciones que sean necesarias dependiendo de sus necesidades
especficas. Donde lo ms importante es que la alta administracin de la
empresa est comprometida primero con la implantacin de un sistema de
administracin por calidad o de control total de calidad con enfoque al cliente,
con base en la creacin de calidad humana y direccin participativa, con un
sistema de reconocimientos adecuado de tal forma que se aliente al personal
tanto a hacer sugerencias, como a implantarlas. Cuando esto est
funcionando ahora s se puede pensar en la metodologa seis sigma con xito
asegurado, de otra forma ser un fracaso y la organizacin se vacunar
contra nuevos intentos.

La metodologa DMAIC no ofrece soluciones a corto plazo, generalmente los

proyectos son realizados en un periodo de 3 a 6 meses, en una ocasin el
proyecto que se present tuvo una duracin de 7 meses y no fue fcil la
implementacin, pero la parte que ms costo trabajo fu el Control, ya que
si se caen todos los puntos establecidos volvemos a tener el mismo problema
o mayor.

Lo interesante de Seis Sigma es que se aplica a cualquier tipo de procesos

tanto en manufactura como en servicios a diferencia de otros sistemas que
estn enfocados solamente a determinadas reas.

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA

BIBLIOGRAFA
Alt, F. B. (1985). Multivariate Quality Control, in Encyclopaedia of Statistical Sciences 6
edited by S. KOTZ and N. L. Johnson W iley and sons. New York.
Blanco, C, L. (2004). Probabilidad. Coleccin Texto. Universidad Nacional de Colombia,
Bogota.. Blanco C. L. (2004). Probabilidad. Universidad Nacional de Colombia.
UNIBIBLOS. Bogot.
Canavos, G. (1993). Probabilidad y Estadstica, Aplicaciones y mtodos. McGraw-Hill.
Mxico.
Duncan Acheson, J. (1996). Control de Calidad Y Estadstica Industrial. Editorial Alfaomega.
Mxico.
Duncan Acheson J. (1989). Control de calidad y Estadstica Industrial. Editorial Alfa Omega
S.A., Mxico.
Eckes, G. (2005). El Six Sigma para todos. Grupo Editorial Norma. Bogot.
Fuchs C. & Benjamini Y. (1994). Multivariate Profile Charts for Statiscal Process Control.
Technometrics, 36 pp. 182 - 195.
Ingle, S. & Roe, W. (2001). Six Sigma. Black Belt implementation. Volumen trece. Nmero
cuatro.
Jackson, J.E & Bradley, R.A., (1966). Sequential Multivariate Procedures with Quality Control
Applications, Multivariate Analysis I, P.R. Krishnaiah, Editor, New York: Academic Press,
507-519

SEIS SIGMA | INGENIERA DE LA CALIDAD

10 de octubre de 2017
SEIS SIGMA
Juran J.M. & Cryna F.M. (1995). Anlisis y Planeacin de la Calidad. Editorial McGraw-Hill,
Mxico.
Martinez, R. (1993). Grficos de control de la media y el rango W insorizados. Universidad
Nacional de Colombia. Santa fe de Bogot Montgomery,
D. (2002). Diseo y Anlisis de Experimentos. Editorial Limusa. Mxico. Montgomery, D. C.
(1991). Control estadstico de la calidad. Iberoamrica, Mxico.
Pande, P. S., Neuman, R. P., Cavanagh, R. R. The Six Sigma W ay Team Field book An
Implementation Guide for Process Improvement Teams. McGraw-Hill.
Pea Snchez de Rivera, D. (1988). Estadstica Modelos Y Mtodos. Editorial Alianza
Editorial textos, Mxico. Statgraphics Plus 6.0.
Statistical Graphic System (1992), Rockville, MD: STSC. Tennant, G. Six Sigma: Control
Estadstico de procesos y Administracin Total de la Calidad en Manufactura y Servicio.
Wetheril, G. & Brown Don, W. (1991). Statiscal Process Control. Editorial Chapman And Hall.
Young, J. (2001). Driving performance results at American Express. Six Sigma Forum
Magazine.
Yang, C. C. (2004). Multivatiate statiscal methods and Six Sigma. Volumen uno. Nmero uno.

SEIS SIGMA | INGENIERA DE LA CALIDAD