Gestion de la Calidad Parte1 - ITAM

1/ Diplomado en Planeación y Dirección de Operaciones GESTIÓN DE LA CALIDAD Parte 1 2/ En este módulo se analizarán los principales conceptos...

76 downloads 685 Views 794KB Size
INTRODUCCIÓN - Temario Diplomado en Planeación y Dirección de Operaciones

En este módulo se analizarán los principales conceptos y aplicaciones asociados con la Gestión de la Calidad. Esto incluye: 1. Aspectos conceptuales

GESTIÓN DE LA CALIDAD

2. Iniciativas de calidad

Parte 1

3. Herramientas gráficas 4. Control estadístico de procesos 5. Medición de capacidades

1/

INTRODUCCIÓN

6. Diseño de productos

2/

Aspectos en los que la calidad potencia la rentabilidad

La Gestión de la Calidad es un área del conocimiento que desde hace varias décadas ha cobrado relevancia en un número cada vez mayor de empresas. La Gestión de la Calidad contribuye a la elaboración de unas buenas estrategias de singularización, bajos costos y respuesta.

3/

4/

INTRODUCCIÓN Calidad Prestaciones y características de un producto o servicio que tienen que ver con sus capacidades para satisfacer necesidades manifestadas o implicitas. Sociedad Americana de la Calidad

Implicaciones: 1. La reputación de la compañia 2. Responsabilidad por el producto 3. Implicaciones globales

5/

Las unidades de flujo varían en términos de costo, calidad, disponibilidad y tiempos de flujo. Estas variaciones frecuentemente representan insatisfacciones del cliente y peores percepciones del producto. En las siguientes diapositivas, se presentarán ejemplos relacionados principalmente con la variabilidad en la calidad. Sin embargo, estos conceptos pueden también aplicarse a cualquier otra variable (costo, tiempo, etc.)

6/

DESEMPEÑO DE LA VARIABILIDAD FUNCIÓN DE TAGUCHI

DESEMPEÑO DE LA VARIABILIDAD Todas las medidas (internas o externas) de desempeño de productos o procesos muestran variabilidad.

La función de taguchi fue propuesta en Japón tras el análisis de algunas líneas de ensamble de automoviles.

Por lo general, la variabilidad se refiere a la discrepancia entre el desempeño actual y el desempeño esperado.

En esta función se indica que la pérdida en el valor del producto puede medirse como la desviación estandard del desempeño actual en relación con el desempeño planeado (objetivo).

Los clientes generalmente perciben cualquier variación en el producto o servicio (en relación con el desempeño esperado) como una pérdida en el valor del producto/servicio.

Las implicaciones de esta función, son basicamente que la pérdida en el valor crece rápidamente mientras más se desvíe el desempeño de su objetivo.

7/

8/

DESEMPEÑO DE LA VARIABILIDAD FUNCIÓN DE TAGUCHI

Taguchi’s Quality Philosophy Design Parameters (D) Target Performance (T)

Product / Process

Actual Performance (P)

Noise Factors (N): Internal & External

EN GENERAL, LA SATISFACCIÓN DEL CLIENTE PUEDE MEDIRSE COMO UNA DIFERENCIA ENTRE: Lo que el cliente espera y lo que el producto puede ofrecer por su diseño.

Loss = k(P - T)2 not 0 if within specs LS On Target is more important than Within Specs

LA FUNCIÓN DE TAGUCHI ENFATIZA LA IMPORTANCIA DE SIEMPRE CUMPLIR CON EL OBJETIVO EN VEZ DE SOLO CUMPLIR CON LAS ESPECIFICACIONES.

T

US

Lo que el diseño del producto dice ofrecer y lo que el proceso de manufactura es capaz de lograr en el producto

P

Lo que el proceso puede fabricar y lo que en realidad fabrica

9/

LS

Spec

La manera en la que se espera sea el desempeño del producto y la manera como en realidad se desempeña

US

DEFINICIONES RELACIONADAS CON LA CALIDAD

LAS OCHO DIMENSIONES DE LA CALIDAD

CALIDAD DEL DISEÑO (QUALITY OF DESIGN):



Se refiere a que tan bien las especificaciones del producto apuntan a cumplir con los requerimientos del cliente.

DESEMPEÑO (PERFORMANCE)



Especifica los atributos del producto o proceso que deseamos ofrecer.

CARACTERÍSTICAS (FEATURES)



SERVICIO (SERVICEABILITY)



ESTÉTICA

“What we promise”



CALIDAD PERCIBIDA

CALIDAD DE LA CONFORMANCIA (QUALITY OF CONFORMANCE).



Se refiere a que tan bien los atributos del proceso o producto actuales cumplen con las especificaciones de diseño.

CONFIABILIDAD (RELIABILITY)



CONFORMANCIA (CONFORMANCE)



DURABILIDAD

“How well we keep our promise”

10/

La manera como el producto se desempeña en realidad contra la manera en la que el cliente percibe el desempeño.

11/

CALIDAD DEL DISEÑO

CALIDAD DE LA CONFORMANCIA DEL PROCESO AL DISEÑO12/

EJEMPLO BASE

ANÁLISIS DE LA VARIABILIDAD

Para ilustrar la mayor parte de los conceptos de este capítulo utilizaremos un ejemplo base en el cual se desea analizar la producción de garages en la empresa MBPF.

1. HOJAS DE REGISTROS (CHECK SHEETS) : Grupo de problemas en donde se documentan las unidades de flujo segun el tipo de problemas. Por ejemplo: Type of Defect

Las especificaciones del producto indican que se desea un peso de 80 kg por garage.

Number of Defective Flow Units

Cost Response Time Customization Service Quality

A continuación se muestran algunas herramientas comunmente empleadas para analizar la variabilidad en el proceso y producto. 13/

ANÁLISIS DE LA VARIABILIDAD

Garage Quality 14/

2. DIAGRAMAS DE PARETO 25

Es un diagrama de barras que muestra la frecuencia (en orden decreciente) con la que ocurren diversos tipos de problemas.

20

Number of Complaints

2. DIAGRAMAS DE PARETO :

El 20% de los problemas representan el 80% de los defectos totales. Por ejemplo:

15 10 5 0

Garage Quality Service Quality

Price

Response Time Customization

Types of Problems 15/

16/

ANÁLISIS DE LA VARIABILIDAD

3. HISTOGRAMAS : Media: 82.5 kg Desv std: 4.2 kg

3. HISTOGRAMAS : 1 4

Es un diagrama de barras que muestra la distribución de frecuencia de una característica de desempeño observada.

1 2 1 0

Incluye información sobre la media (valor esperado alrededor del cual se centra la distribución) y la desviación estandard (que mide la amplitud de la distribución alrededor de la media)

Frequency

8 6 4 2 0 7 2

La siguiente gráfica ilustra los resultados después de analizar 100 garages durante 20 días.

7 4

7 6

7 8

8 0

8 2

8 4

8 6

8 8

9 0

9 2

Weight (kg)

Peso del garage (kg)

17/

ANÁLISIS DE LA VARIABILIDAD

18/

4. RUN CHART (Gráfica de corridas o comportamiento)

4. RUN CHART (Gráfica de corridas o comportamiento) Recuerde que el histograma anterior solo proporcionó información agregada sobre el desempeño del proceso de producción de garages.

Peso (kg)

Las gráficas de comportamiento con complementarias a los histogramas y contienen información en donde se muestra alguna medida de desempeño monitoreada a lo largo del tiempo. Se muestra la variabilidad en la salida del proceso a lo largo del tiempo y ayuda a identificar variabilidades estructurales 19/ tales como tendencias o estacionalidades.

Tiempo

20/

5. MULTI-VARI CHARTS

ANÁLISIS DE LA VARIABILIDAD 5. MULTI-VARI CHARTS

El rango entre los valores más altos y los más bajos indica la variabilidad entre los unidades de flujo producidas en un cierto momento (p.ej.: un día); mientras que los cambios en los valores promedio indican la variabilidad a lo largo del 21/ tiempo (p.ej.: a lo largo de 20 días).

CONTROL DE PROCESOS Recuerde que existen dos aspectos fundamentales en la administración de procesos: (1) planeación de procesos y (2) control de procesos. La planeación de procesos (Cap 2) tiene que ver con el diseño de la arquitectura del proceso, los procedimientos operativos y las medidas de desempeño más relevantes (capacidad, eficiencia, etc.). El objetivo en el largo plazo es producir y entregar productos que satisfagan las necesidades de cierto segmento del mercado. El control de procesos, tiene como objetivo asegurarse en el corto plazo de que el desempeño del proceso es conforme23/a lo planeado.

95 90

Weight (kg)

Es una gráfica en donde se muestran los valores más altos, los valores promedio y los valores más bajos de N muestras con n observaciones cada una, monitoreadas a lo largo del tiempo.

High Average Low

85 80 75 70 1 2

3 4 5 6 7

8 9 10 11 12 13 14 15 16 17 18 19 20

Day

22/

CONTROL DE PROCESOS The Feedback Control Principle Este principio de retroalimentación para el control de procesos es muy usado para el análisis de sistemas dinámicos. Involucra dos pasos: 1. Colectar información sobre las variables más críticas de desempeño a lo largo del tiempo, y 2. Tomar acciones correctivas basadas en la variabilidad registrada en tiempo real. 24/

CONTROL DE PROCESOS The Feedback Control Principle

CONTROL DE PROCESOS The Feedback Control Principle

El problema con la aplicación de este principio es que frecuentemente el monitoreo continuo de procesos resulta ser costoso.

Disturbances: Normal and Abnormal Target Settings

Process Process

Performance

En consecuencia, el departamento de operaciones debe decidir: 1. Que tan frecuentemente debe monitorear el desempeño del proceso

Decision Decision

2. Cómo reaccionar en respuesta al desempeño observado

Information Information

25/

CONTROL ESTADÍSTICO DE PROCESOS: GRÁFICAS DE CONTROL (CONTROL CHARTS)

CONTROL DE PROCESOS Tipos y Causas de Variabilidad

GRADO ÓPTIMO DE CONTROL Cost

LA FRECUENCIA ÓPTIMA DE MONITOREO BALANCEA LOS COSTOS DE MONITOREAR CON LOS COSTOS QUE RESULTAN POR INCUMPLIR CON LAS ESPECIFICACIONES, COMO CONSECUENCIA DE LA VARIABILIDAD EXCESIVA. 26/

INHERENTE O “NORMAL” CAUSAS COMUNES: VARIABILIDAD ESTADÍSTICAMENTE PREDECIBLE QUE INCLUYE COMPONENTE ESTRUCTURAL Y ESTOCÁSTICA.

Cost of Control

EXTERNA O “ANORMAL” CAUSAS ESPECIALES O ASIGNABLES: VARIABILIDAD IMPREDECIBLE QUE PERTURBA EL ESTADO DE EQUILIBRIO DEL PROCESO AL CAMBIAR LOS PARÁMETROS DE SU DISTRIBUCIÓN DE MANERA INCIERTA.

Cost of Non-Conformance

Degree of Control

27/

OBJETIVO: IDENTIFICAR LA VARIABILIDAD INHERENTE Y ELIMINAR VARIABILIDAD EXTERNA

28/

CONTROL ESTADÍSTICO DE PROCESOS: GRÁFICAS DE CONTROL (CONTROL CHARTS)

MARCO CONCEPTUAL DEL CONTROL ESTADÍSTICO DE PROCESOS

El control estadístico de procesos generalmente consiste en definir un rango de valores de variablidad aceptables en el desempeño del proceso, los cuales estarán dados alrededor del valor promedio, µ.

EN TODO PROCESO HAY VARIACIÓN PRIMERO, ES NECESARIO PONER EL SISTEMA BAJO CONTROL. IDENTIFICAR CAUSAS ASIGNABLES, SI EXISTEN, Y ARREGLARLAS

Para definir un valor aceptable de la banda de control alrededor del valor promedio, µ, se deben considerar los siguientes factores:

PARA MEJORAR EL SISTEMA, SE DEBEN ATACAR LAS CAUSAS COMUNES (MÉTODOS, PERSONAS, MATERIAL, MÁQUINAS).

1. La variabilidad normal del proceso, medida como la desviación estandard, σ, de su desempeño histórico

29/

CONTROL ESTADÍSTICO DE PROCESOS: GRÁFICAS DE CONTROL (CONTROL CHARTS)

CONTROL ESTADÍSTICO DE PROCESOS: GRÁFICAS DE CONTROL (CONTROL CHARTS)

Posteriormente, se definen z número de desviaciones estandares alrededor de la media como una banda de control razonable.

Señal de que ha ocurrido una causa especial

µ + 3σ Límite Superior de Control

Asi pues, se especifican los límites mas altos (Upper Control Limit, UCL) y los más bajos (Lower Control Limit, LCL), para posteriomente denotar la banda de control como [LCL, UCL] La fórmula general para denotar los 2 límites de control es: LCL = µ − z σ UCL = µ + z σ

2. El grado al que se desea controlar el proceso, representado por z; mientras más pequeño sea z, más estricto será el 30/ control.

31/

Media hipotética del proceso, µ

99.74% t

µ - 3σ Límite Inferior de Control

Las medidas de desempeño ubicadas fuera de los límites (superior o inferior) de control indicarán que el proceso se encuentra fuera de control.

32/

CONTROL ESTADÍSTICO DE PROCESOS: GRÁFICAS DE CONTROL (CONTROL CHARTS)

CONTROL ESTADÍSTICO DE PROCESOS: GRÁFICAS DE CONTROL (CONTROL CHARTS)

INTERPRETACIÓN OPERATIVA

GRADO ÓPTIMO DE CONTROL

(z σ) se refiere a la “calidad de seguridad” para absorber variabilidad normales (algo similar al concepto de inventario de seguridad). INTERPRETACIÓN ESTADÍSTICA

Recuerde que valores más pequeños de “z” representan una banda de control más angosta, en cuyo caso aparecerían más puntos “fuera de control” y tendríamos que buscar (a veces innecesariamente) por más causas de variabilidad anormal, lo cual aumentaría los costos de control.

Los límites de control definidos anteriormente son conceptos muy similares a lo que en estadística llaman intervalos de confianza y prueba de hipótesis.

Por otra parte, un mayor valor de z también representa un mayor cumplimiento con los estandares y una menor cantidad (y costos) operativos. 33/

34/

CONTROL ESTADÍSTICO DE PROCESOS: GRÁFICAS DE CONTROL (CONTROL CHARTS)

CONTROL Y MEJORAMIENTO DE PROCESOS

GRADO ÓPTIMO DE CONTROL

Weight

En la práctica, un valor de z=3 es lo más usado para el control estadístico de procesos.

Out of Control

Improved

UCL

La razón es que si las medidas de desempeño se comportan conforme a una distriubución normal, entonces (segun tablas) el 99.73% de todas las observaciones quedarán dentro del siguiente rango: µ+3σ

In Control

µ LCL

35/

36/

Time

PATRONES USUALES EN GRÁFICAS DE CONTROL

PATRÓN PROBABLES

DESCRIPCIÓN

DIAGRAMAS DE VARIACIÓN En aplicaciones prácticas de control de procesos, frecuentemente no sabemos si las medidas de desempeño estuvieron distribuidas conforme a una función normal, y en consecuencia, no se tiene certeza de su media y desviación estandard.

CAUSAS

NORMAL

VARIACIÓN ALEATORIA

FALTA DE ESTABILIDAD

CAUSAS ESPECIALES (O ASIGNABLES): HERRAMIENTA, MATERIAL, OPERARIO, SOBRECONTROL

TENDENCIA ACUMULATIVA CÍCLICO

En estos casos, suele atenderse el problema a partir de una muestra del desempeño actual y estableciendo límites de control basados en estimaciones de la muestra, tal y como se ilustra a continuación.

DESGASTE DE HERRAMIENTAS DIFERENTES TURNOS, 37/ FLUCTUACIONES DE VOLTAJE, EFECTOS ESTACIONALES

DIAGRAMAS DE VARIACIÓN Estimación de bandas de variabilidad aceptable

DIAGRAMAS DE VARIACIÓN Estimación de bandas de variabilidad aceptable

Se toman N muestras aleatorias del desempeño de un proceso a lo largo del tiempo y cada muestra contiene n observaciones. Con lo anterior, se calculan: 1. Promedio de la muestra (A) con las n mediciones. 2. Variación de la muestra (V) la cual es la diferencia entre las mediciones más altas y más bajas dentro de las n observaciones. Así pues, se obtienen A1, A2, …, AN promedios y también V1, V2,…,VN variaciones.

38/

39/

Cada promedio de la muestra representa un estimado del desempeño esperado (o media) del proceso mientras que cada estimado de la variación de la muestra representa la variabilidad en el desempeño del proceso (similar al concepto de desviación estandard). Estos valores pueden incorporarse en una gráfica similar a la de los límites de control vistos anteriormente, con algunas salvedades.

40/

DIAGRAMAS DE VARIACIÓN Estimación de bandas de variabilidad aceptable

DIAGRAMAS DE VARIACIÓN Estimación de bandas de variabilidad aceptable El (1) diagrama control de promedios muestra el desempeño promedio del proceso y una banda de variabilidad aceptable en los promedios, lo cual tiene el objetivo de identificar la variabilidad anormal que altera la media del proceso. Conforme al teorema del límite central, se asumirá que la distribución de probabilidad del promedio de las muestras se aproximará a una función normal, a pesar de que las observaciones individuales no necesariamente sean normales. Por lo tanto, se asume que el promedio de las muestras tendra una media µA y una desviacion estandard σA.

(1) Diagrama control de promedios (continua)…

Así pues, la media µA=µ y la desviacion estandard σA= σ/√n. La desv. std. de la muestra será menor que la de una observación individual. Con lo anterior, se pueden aplicar los límites de control ilustrados anteriormente en estas notas: LCL = µ − zσ / n UCL = µ + zσ / n

µ y σ corresponden a los valores reales de la media y la desv. estandard de las desviaciones individuales

41/

DIAGRAMAS DE VARIACIÓN Estimación de bandas de variabilidad aceptable

42/

DIAGRAMAS DE VARIACIÓN Estimación de bandas de variabilidad aceptable

(1) Diagrama control de promedios (continua)…

(2) Diagrama de control de variaciones

Por lo tanto, µ se estima a partir del promedio general:

De manera similar al diagrama de control de promedio, es posible generar diagramas para describir el desempeño del proceso en términos de sus variaciones.

A = (A1 + A2 + … + AN) / N y σ a partir de s, la desviación estandard de todas las N.n observaciones.

V = (V1 + V2 + … + VN) / N y sv, será la desviación estandard de las variaciones de todas las muestras. Así pues, los límites de control para las gráficas de control de variaciones serán:

Con estos estimados, es posible obtener los límites de control para las gráficas de control de promedios: LCL = A − zs / n

UCL = A + zs / n

LCL = V − zsV 43/

UCL = V + zsV 44/

EJEMPLO: DIAGRAMAS DE VARIACIÓN Las siguientes tablas muestran información sobre el peso de las puertas que fabricó MBPF en los últimos 20 días (5 observaciones realizadas cada día).

EJEMPLO: DIAGRAMAS DE VARIACIÓN Recuerde que A1 se calcula como el promedio de las 5 observaciones del día 1: A1 = (81+73+85+90+80)/5 = 81.8 kg y el rango de variaciones V1 está dado por la diferencia entre el valor más alto y el más bajo: V1 = (90-73) = 17 kg

INFORMACIÓN SOBRE EL PESO DE LOS GARAGES PRODUCIDOS POR MBPF

Hora

Día 1

Día 2

Día 3

Día 4

Día 5

Día 6

Día 7

Día 8

Día 9

Día 10

9:00 hrs

81

82

80

74

75

81

83

86

88

82

11:00 hrs

73

87

83

81

86

86

82

83

79

84

13:00 hrs

85

88

76

91

82

83

76

82

86

89

15:00 hrs

90

78

84

75

84

88

77

79

84

84

17:00 hrs

80

84

82

83

75

81

78

85

85

80

Hora

Día 11

Día 12

Día 13

Día 14

Día 15

Día 16

Día 17

Día 18

Día 19

Día 20

9:00 hrs

86

86

88

72

84

76

74

85

82

89

11:00 hrs

84

83

79

86

85

82

86

85

84

80

13:00 hrs

81

78

83

80

81

83

83

82

83

90

15:00 hrs

81

80

83

79

88

84

89

77

92

83

17:00 hrs

87

83

82

87

81

79

83

77

84

77

La siguiente tabla muestra los valores más altos, más bajos y promedio derivados de la tabla anterior: VARIACIONES DE LAS MUESTRAS Y ENTRE LAS MUESTRAS Día 1

Día 2

Día 3

Día 4

Día 5

Día 6

Día 7

Día 8

Día 9

Día 10

Alto

90

88

84

91

86

88

83

86

88

89

Bajo

73

78

76

74

75

81

76

79

79

80

81.8

83.8

81

80.8

80.4

83.8

79.2

83

84.4

83.8

Promedio

45/

Día 11

Día 12

Día 13

Día 14

Día 15

Día 16

Día 17

Día 18

Día 19

Día 20

Alto

87

86

88

87

88

84

89

85

92

90

Bajo

81

78

79

72

81

76

74

77

82

77

83.8

82

83

80.8

83.8

80.8

83

81.2

85

83.8

Promedio

EJEMPLO: DIAGRAMAS DE VARIACIÓN

EJEMPLO: DIAGRAMAS DE VARIACIÓN Con lo anterior y aplicando el estandard de z=3, es posible calcular los límites de control respectivos:

Finalmente, la siguiente tabla resume los resultados de A y V aplicados a la tabla anterior: VALORES PROMEDIO (A) Y VARIACIONES (V) DE LAS PUERTAS A LO LARGO DEL TIEMPO Día 1

Día 2

Día 3

Día 4

Día 5

Día 6

Día 7

Día 8

Día 9

Día 10

A

81.8

83.8

81

80.8

80.4

83.8

79.2

83

84.4

83.8

V

17

10

8

17

11

7

7

7

9

9

Día 11

Día 12

Día 13

Día 14

Día 15

Día 16

Día 17

Día 18

Día 19

Día 20

A

83.8

82

83

80.8

83.8

80.8

83

81.2

85

83.8

V

6

8

9

15

7

8

15

8

10

13

LCL = A − zs / n = 82.5 − (3)(4.2) / 5 = 76.87 kg

UCL = A + zs / n = 82.5 + (3)(4.2) / 5 = 88.13kg Gr á f i c a d e c o n t r o l d e p r o m e d i o s ( A )

Todos los puntos están dentro de los límites de control!

90 88

Así pues, el promediar los 20 valores de Ai y de las Vi variaciones da como resultados: A = 82.5 kg

s = 4.2 kg

46/

86 84 82 80

47/

78

48/

76 74 Día Día Día Día Día Día Día Día Día Día Día Día Día Día Día Día Día Día Día Día 1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

EJEMPLO: DIAGRAMAS DE VARIACIÓN De manera similar, es posible calcular los límites de control respectivos para las variaciones: V = 10.1 kg sV = 3.5 kg

LCL = V − zsV = 10.1 − (3)(3.5) = −0.4 UCL = V + zsV = 10.1 + (3)(3.5) = 20.6 Gr á f i c a d e C o n t r o l d e Va r i a c i o n e s ( V)

Todos los puntos están dentro de los límites de control!

OTROS DIAGRAMAS DIAGRAMA CAUSA-EFECTO (“DE ESPINA DE PESCADO”) Una vez que se ha detectado la presencia de variabilidades anormales en el proceso, se procede a generar un diagrama causa-efecto, también conocido como “de espina de pescado” o “diagrama de Ishikawa”. Este diagrama muestra una cadena de relaciones causaefecto que pueden estar generando la variabilidad anormal observada en el proceso.

25 20 15 10 5

49/

50/

0 Día Día Día Día Día Día Día Día Día Día Día Día Día Día Día Día Día Día Día Día 1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

DIAGRAMA CAUSA-EFECTO (“DE ESPINA DE PESCADO”)

OTROS DIAGRAMAS DIAGRAMAS DE DISPERSIÓN SCATTER PLOTS

MEDICIÓN MEDICIÓN

MÁQUINA MÁQUINA

HUMANO HUMANO

Una vez que se han detectado la(s) causa(s) que genera variabilidades anormales en el proceso, se procede a generar un diagrama de dispersión (scatter plot).

Falla equipo de prueba Especificaciones incorrectas Procedimientos inadecuados

EFECTO

En este diagrama, se trata de encontrar una correlación matemática que permita describir en que proporción un cambio en la causa afectará la variabilidad del proceso. AMBIENTE AMBIENTE

PROCESO PROCESO

MATERIAL MATERIAL 51/

52/

SCATTER PLOTS Garage Door Weight (kg)

En resumen, las herramientas anteriores ilustran el control de procesos, el cual consiste en un análisis dinámico del desempeño del proceso a lo largo del tiempo. Un proceso “in control” significa que la variabilidad de su desempeño es estable a lo largo del tiempo, por lo que los productos de salida en el proceso son estadísticamente predecibles (estabilidad interna del proceso) Recuerda que esto no necesariamente significa que la salida en el proceso (output) sea satisfactoria desde la perspectiva del cliente sino únicamente que . Roller Setting (mm) 53/

54/

PALANCAS (LEVERS) PARA CONTROLAR LA VARIABILIDAD DE PROCESOS MEDIR, PRIORIZAR Y ANALIZAR LA VARIABILIDAD DE MEDIDAS CLAVE DE DESEMPEÑO A LO LARGO DEL TIEMPO. CONTROLAR EL PROCESO PARA REDUCIR VARIABILIDAD ANORMAL DETERMINAR LÍMITES DE CONTROL DE VARIABILIDAD ACEPTABLE DE MEDIDAS BÁSICAS DE DESEMPEÑO. MONITOREAR EL DESEMPEÑO REAL Y CORREGIR (O REPRODUCIR) CUALQUIER VARIABILIDAD ANORMAL.

REDUCIR VARIABILIDAD NORMAL DEL PROCESO DISEÑAR PARA EL PROCESAMIENTO (SIMPLIFICAR, ESTANDARIZAR, A PRUEBA DE …ERRORES).

55/

56/