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/
