Baixar para ler offline
![[FM2S] Slides - Certificação Lean Seis Sigma White Belt.pdf](https://cdn.slidesharecdn.com/ss_thumbnails/fm2sslides-certificaoleanseissigmawhitebelt-251109224856-9b957c82-thumbnail.jpg?width=640&height=640&fit=bounds)
seissigmatrad.pdf
- 1. ( Raiz quadradada variância ) 3 7 -7-6-5 -4 4 0 -3 5 1 -2 6 2 -1 (Parâmetros) Saída Sigma = ÿ = Desvio Máquina = Ambiente Pessoas Material Processo Medidas Métodos Axis formado em Sigma 2 ÿ )( ÿ 1 ÿ eu xx n ÿ ÿ Treinamento Seis Sigma = ÿ Machine Translated by Google
- 2. Mas o quepoderia acontecer em um nível de qualidade de 99,9% (ou seja, 1000 ppm), • 400 cartas por hora que nunca chegam ao destino • Mais de 3.000 recém-nascidos caindo acidentalmente das mãos de enfermeiras ou médicos a cada ano em nossa vida cotidiana (cerca de 4,6ÿ)? • Duas aterrissagens longas ou curtas em aeroportos americanos todos os dias • 4.000 prescrições médicas erradas a cada ano 99,9% já é MUITO BOM Quão bom é bom o suficiente? Machine Translated by Google
- 3. • Duas aterrissagenscurtas ou longas por ano no total os aeroportos nos Estados Unidos • 13 prescrições erradas de medicamentos por ano • 10 recém-nascidos abandonados por médicos/enfermeiros por ano • Uma correspondência perdida por hora Como podemos obter esses resultados Machine Translated by Google
- 4. Seis Sigma A respostaé: Machine Translated by Google
- 5. ÿ Uma métricaque demonstra níveis de qualidade com desempenho de 99,9997% para produtos e processos ÿ Um benchmark de nossa capacidade de produto e processo para comparação com o 'best in class' ÿ Uma visão e um compromisso filosófico com nossos consumidores para oferecer produtos da mais alta qualidade com o menor custo ÿ Uma aplicação prática de ferramentas e métodos estatísticos para nos ajudar a medir, analisar, melhorar e controlar nosso processo O que é Seis Sigma Machine Translated by Google
- 6. Alta Qualidade =Baixo Custo nova crença velha crença Alta qualidade = alto custo custos Prevenção & Interno & Interno & Avaliação Externo Externo Custos de falha custos Prevenção & custos Falha Avaliação custos custos Qualidade Qualidade 6ÿ Velha Crença 4ÿ ÿ é uma medida de quanta variação existe em um processo nova crença 5ÿ 4ÿ Seis Sigma como Filosofia Machine Translated by Google
- 7. • Conta comprocessos capazes que não produzem defeitos • Use Medir, Analisar, Melhorar, Controlar e Medir, Analisar, • Gasta 15~25% dos dólares de vendas no custo de falha • Definir CTQs internamente Projeto • Define CTQs externamente • Gasta 5% dos dólares de vendas no custo de falha • Não tem uma abordagem disciplinada para coletar e analisar dados • Depende da inspeção para encontrar defeitos • Os próprios benchmarks • Os próprios benchmarks em relação à concorrência contra os melhores do mundo • Acredita que 99% é bom o suficiente • Acredita que 99% é inaceitável A Empresa 3 Sigma A Empresa 6 Sigma 3 Sigma vs. 6 sigmas Machine Translated by Google
- 8. a “Voz doConsumidor” (Consumer Cue) deve ser traduzida para a “Voz do Engenheiro” (Requisito Técnico) • Consumidor: o usuário final • Cliente: Interno ou Externo Foco: o usuário final Machine Translated by Google
- 9. Axis formado emSigma 2 0,57 ppm 99,999943% 68,27% 0,002 ppm 99,73% 2700 ppm 99,9999998 % 99,9937% 63 ppm 95,45% ÿ ÿ 1 ÿ ) n ÿ xi x Seis Sigma como uma métrica entre +/- 2ÿ entre +/- 5ÿ entre +/- 6ÿ entre +/- 3ÿ resultado: 317300 ppm fora (desvio) 45500 ppm entre +/- 1ÿ entre +/- 4ÿ ( Raiz quadrada da variância ) ÿ ( ÿ = 2 -7 4 5 -5 1 -6 7 -3 6 -4 -1 3 0 -2 = Sigma = ÿ = Desvio Machine Translated by Google
- 10. Limites de especificação Processo3-sigma (centrado) Cp = 1,0 Cpk = 1,0 2.700 ppm Machine Translated by Google
- 11. Limites de especificações Cp= 1,0 Cpk = 0,833 ppm = 6.442 (cerca de 2,72-sigma) Processo 3-sigma (deslocado 0,5 std. dev.) Machine Translated by Google
- 12. Limites de especificação Processo3-sigma (deslocado 1,0 std. dev.) Cp = 1,0 Cpk = 0,667 ppm = 22.782 (cerca de 2,28-sigma) Machine Translated by Google
- 13. Limites de especificação Cp= 1,0 Cpk = 0,5 ppm = 66.811 (cerca de 1,83-sigma) Processo 3-sigma (deslocado 1,5 std. dev.) Machine Translated by Google
- 14. Processo Capacidade oportunidades Inclui 1,5 Defeitospor Milhão * mudança 60 80 500000 30 40 50 100000 70 20 800000 400000 0 PPM 700000 300000 200000 0 600000 10 % Mudar 6 3 2 Processo Sigma 4 2 308.537 66.811 233 3 6.210 3.4 5 6 Redução não linear PPM % Mudar PPM Focar em ÿ requer compreensão completa do processo e pensamento inovador ÿ ÿ 1 4 5 De 5 a 6 De 3 a 4 De 1 a 2 De 4 a 5 Machine Translated by Google
- 15. Processo de mapeamento Estruturada Árvore Linha de base Análise de Tolerância CORÇA Análise de Pareto Pesquisa de componentes CEP Medidor R & R Testando hipóteses Muitas ferramentas de qualidade conhecidas aplicadas em uma metodologia estruturada Subagrupamento Racional Regressão Seis Sigma como ferramenta Machine Translated by Google
- 16. Para obter resultados,devemos focar nosso comportamento no Y ou X •Sintoma •Monitorar •Y •Problema •X1…Xn •Ao controle •Dependente •Saída •Efeito •Independente •Processo de entrada •Causa Seis Sigma como Método Machine Translated by Google
- 17. Gerenciar as saídas. •Variáveis de saída Quota de mercado Crescimento das vendas Lucratividade Uma Visão Tradicional Machine Translated by Google
- 18. Gerenciar as entradas;responder às saídas. Satisfação do cliente • Variáveis de entrada • Variáveis de saída Quota de mercado Crescimento das vendas Lucratividade Cliente Entrega no prazo Treinamento Qualidade do produto Relacionamentos Serviço Termos de crédito COQ Uma visão não tradicional Machine Translated by Google
- 19. Definir a Declaraçãode Problema/Defeito Y = Variável Dependente x = Variáveis Independentes x* = Variável Independente Causa potencial , x5. . . Xn) Y = f ( x1 Saída, Defeito Causa Crítica Distinguir “poucos vitais” de “muitos triviais” Métodos Processo Ambiente Máquina Pessoas (Parâmetros) Material Saída Medidas * , x2, x3, x4 * Machine Translated by Google
- 20. Caracterização do Processo Processootimizado Foco Medir Estágio Ao controle Medir Etapa Melhorar Melhoria Analisar Melhorar Melhorar Medir Medir Medir Medir Melhorar Melhorar Estratégia por Fase - x Y x Y (Onde, Quando, Porquê) Y Como podemos melhorar o processo? • Analisar possíveis causas • Descobrir relações • Estabelecer tolerâncias operacionais As melhorias foram eficazes? • Restabelecer a métrica de capacidade Y, vital X (Como) Y Y, vital X Onde, quando e por que ocorrem os Defeitos? • Identificar fontes de variação • Determinar os parâmetros críticos do processo (O que) (Sustentação, Alavancagem) Vital X Qual é a frequência dos Defeitos? • Definir o defeito • Definir padrões de desempenho • Validar sistema de medição • Estabelecer métrica de capacidade Vital X Vital X Como podemos manter as melhorias? • Implementar mecanismos de controle de processo • Alavancar o aprendizado do projeto • Documentar e processar Ao controle Ao controle Analisar Analisar Ao controle Ao controle Analisar Analisar Machine Translated by Google
- 21. Organização Seis Sigma MachineTranslated by Google
- 22. Liderança Conduzindo oUso Um Faixa Preta tem…, e vai… Machine Translated by Google
- 23. Preto Mestre Cinto Cinto Cinto Preto Verde uns Estatístico/ 2% ~ 5% cintos Encontreum Utilizar 4 / ano 5%~10% Treinamento Mentoria cinco preto Dois cinturões verdes Consultando/ Tarefa Mentoria/ Projetos Hora de ligar Treinamento Consultando/ Relacionado 80~100% Liderar o uso da técnica e comunicar o novo novo cinturão verde 10 / ano 2 anos técnica de qualidade Treinamento Faixa Preta Machine Translated by Google
- 24. AEC663 GBM Caracterização doProcesso Estatístico Estratégias e Tecnologias BMK220 GBM Técnicas Numéricas e Gráficas GBM Análise de Variância (ANOVA) BM Design para Manufaturabilidade distribuições Produtos Facilitação da Equipe GBM SSG100, SSG102CD Resolução de Problemas Orientada à Equipe GBM MIN101, SPC201 AEC506, AEC661, AEC662, AEC663 TCS100 M Gerenciando Projetos QUA393 LDR380, PER119 Liderança BM QUA590 Desdobramento da função de qualidade M M Benchmarking Essencial AEC279 MIN101 MIN101, SPC201 CES103 Conceitos de Probabilidade BM e M Design Robusto de Processos e AEC722, DDI121 GBM Seis Passos para Seis Sigma QUA392 Inferência Estatística BM SPC201 Habilidades Estatísticas GBM Coaching e Mentoria MGT564, MGT124, PDE53 Revisão do Sistema de Qualidade BM Questões de qualidade financeira/econômica do BM M Gestão da Qualidade Total GBM AIEG SGQ GBM QS 9000 Análise do Sistema de Medição GBM ENG998, QUA389 GBM Regressão (por exemplo, linear, não linear) Resolução avançada de problemas M Manufatura MIN101, SPC201 M Avaliação de Desenvolvimento de Produto Comunicação GBM (oral, escrita SSG100, TCS100 resolvendo ENG227 Amostragem de Aceitação M Essencial GBM Controle Estatístico de Processos MOT132 GBM TCS DDI170 GBM Engenharia Simultânea (8D, 7D, 5P) ENG123, ENG123CD Métodos de Superfície de Resposta BM QUA200A, QUA200B, QUA200C Habilidades de Qualidade Seis Sigma AEC661, AEC662, SCP201 MGT560, MGT562, EC727 Design GBM de Experimentos (por exemplo, Designs Completos, Fracionários, Taguchi) QUA391 Software estatístico GBM (JMP, Minitab) Testes Comparativos de GBM Esqui Interpessoal Satisfação do Cliente GBM GBM Abordagem Sistêmica para o Problema Estratégias e Técnicas ENG998 MIN101, IBM548 ENG998, AEC603 M Instrucional/Ensino SPC201 M Análise de Sobrevivência / Confiabilidade M Estimativa do Tamanho da Amostra Essencial Capacidade do Processo GBM BM Team Building AEC471, MGT839 BM Screening DOE GBM Gerenciando Mudanças MGT561, MGT562, DDI18 Equipe BM Resolução de Problemas Não Intervalos de confiança BM Machine Translated by Google
- 25. Compromisso Corporativo Oferecemos aessas pessoas treinamento extensivo em ferramentas estatísticas e interpessoais, orientação qualificada e suporte de gerenciamento… A Motorola está empenhada em desenvolver esses líderes… Uma vez que seu desenvolvimento tenha atingido um nível digno de reconhecimento, temos até um termo para esses indivíduos excepcionais: Chris Galvin Seis Sigma Black Belts Machine Translated by Google
- 26. Compromisso Corporativo (continuaçã •Lema: - Qualidade é o nosso trabalho – A satisfação do cliente é o nosso dever – A fidelização do cliente é o nosso futuro Machine Translated by Google
- 27. DOE, DFM, PC Pareto,Brainstorming, C&E, BvC Proliferação de Master Black Belts 8D, 7D, Equipes TCS, SPC Programa RenewBlack Belt (Interno Motorola) Programa Black Belt (Fornecedores Externos) Plano de Rompimento de Barreiras 5,6 5,65 5.3 5.5 6 6 sigmas 5.4 DPMOp 1,00 J94 MY95 J96 MY96 SIGMA J97 MY97 100,00 J95 10.00 MY98 Machine Translated by Google
- 28. – “Você nãotem muito futuro na GE a menos que eles sejam selecionados para – Requisitos mínimos: educação universitária, estatísticas básicas, tornem-se Faixas Pretas” - Jack Welch -Instrumentos Texas - ABB - Citibank – Sinal Aliado – Processo conduzido por CEO e COO – Navistar – IBM – O treinamento inclui exames escritos e orais • A Kodak instituiu este programa • A GE instituiu este programa com muito sucesso – 4.000 Black Belts treinados até YE 1997 – 10.000 Black Belts treinados até YE 2000 habilidades de apresentação, conhecimentos de informática • Outras empresas incluem: Programa de Cintos Outras empresas têm preto Machine Translated by Google
- 29. Melhorar e verificaro processo Entenda o processo Manter novo processo Caracterizar Processo Medir Ao controle Avalie Melhorar Machine Translated by Google
- 30. Desempenho coletar Processo Processo Problema Definir Entender Dados Fasede Medição Processo de mapeamento (MSE) Causas Avaliação de Sistemas Metas Declaração ÿ Projeto Defeito Potencial - Contínuo ÿ Brainstorm ÿ Medição Capacidade) (Controle ou Desempenho - Executar Gráficos ÿ Compreender o Problem - Defeitos - Cp/Cpk - Defeitos ÿ Histórico Entenda o processo e o impacto potencial ÿ Tipos de dados ÿ Defeito ÿ Definir processo ÿ Capacidade do processo Machine Translated by Google
- 31. ÿ O quevocê quer melhorar? ÿ Qual é o seu 'Y'? Definição de problema As definições do problema precisam ser baseadas em fatos quantitativos apoiados por dados analíticos. Reduzir Reclamações (int./ext.) Custo Defeitos Reduzir Reduzir Quais são os Objetivos? Machine Translated by Google
- 32. Plano de amostragem Linhade base: quantificar a bondade (ou maldade!) do processo atual, antes que QUALQUER melhoria seja feita, usando dados de amostra. A chave para a linha de base é coletar dados de amostra representativos - Número de subgrupos - Leve em consideração o máximo de “X” possível - Tamanho dos Subgrupos Machine Translated by Google
- 33. Mapa de processo espinhade peixe Data histórica Como conhecemos nosso processo? Machine Translated by Google
- 34. RUÍDO BRANCO variação decausa) (Sinal) (Comum RUÍDO NEGRO Minimizar a variação dentro dos subgrupos SUBGRUPOS RACIONAIS Maximizar a variação entre subgrupos SUBAGRUPAMENTO RACIONAL Permite que sejam tomadas amostras que incluam apenas ruído branco, dentro das amostras. O ruído preto ocorre entre as amostras. TEMPO PROCESSO RESPOSTA Machine Translated by Google
- 35. Machine Translated byGoogle
- 36. ÿtotal dentro do grupo Visualizandoas Causas + ÿshift = ÿ st •Chamado ÿ curto prazo (ÿst) •Nosso potencial – o melhor que podemos ser •Os s relatados por todas as empresas 6 sigma •Os muitos triviais Tempo 2 Tempo 4 Tempo 1 Tempo 3 Machine Translated by Google
- 37. Tempo 1 Tempo 3 Tempo2 Tempo 4 Visualizando as Causas + ÿshift = ÿtotal ÿ st Entre Grupos •Chamado ÿshift (verdadeiramente uma medida em sigmas de quanto a média mudou) •Indica nosso controle de processo •Os poucos vitais Machine Translated by Google
- 38. espinha de peixe •Potencialmente controlável • Como o processo está realmente se comportando ao longo do tempo • Ruído preto Causa atribuível • Influências externas Machine Translated by Google
- 39. Os dados dentrodos subgrupos (Z.st) conterão apenas variação de causa comum • Variação presente em cada processo • Não controlável • O melhor que o processo pode estar dentro da tecnologia atual Variação de causa comum Machine Translated by Google
- 40. Parte-Parte R&R Total ÿ2 =ÿ2 Medidor R&R + ÿ2 Parte-Parte R&R Variação observada com um dispositivo de medição quando usado várias vezes por um operador enquanto mede a característica idêntica na mesma peça. • Reprodutibilidade (variação avaliada) Variação obtida de diferentes operadores usando o mesmo dispositivo ao medir a mesma característica na mesma peça. • Estabilidade ou Desvio Variação total na medição obtida com uma medição obtida no mesmo valor mestre ou de referência ao medir a mesma característica, durante um período de tempo prolongado. • Repetibilidade (variação do equipamento) Recomendação: Resolução ÿ 10% da tolerância para medir Calibre R&R ÿ 20% de tolerância para medir Machine Translated by Google
- 41. 'Y' = funçãode variáveis -'x' Mapear o processo Identifique as variáveis - 'x' Entenda o problema - Y=f(x) Para entender onde você quer estar, você precisa saber como chegar lá.v Medir o Processo Machine Translated by Google
- 42. Melhorar e verificaro processo Caracterizar Processo Manter novo processo Entenda o processo Melhorar Medir Ao controle Avalie Machine Translated by Google
- 43. Por exemplo, raízesquadradas, logaritmos e recíprocos geralmente pegam uma distribuição assimétrica positiva e a convertem em algo próximo a uma curva em forma de sino Em muitos casos, a amostra de dados pode ser transformada para que seja aproximadamente normal. Machine Translated by Google
- 44. USL LSL LSL LSL USL USL O que nósprecisamos? ÿ A redução da variação e a centralização do processo criam processos com menos potencial para defeitos. ÿ O conceito de redução de defeitos se aplica a TODOS os processos (não apenas de fabricação) Fora do alvo, baixa variação alta variação No alvo, baixa variação Defeitos de alto potencial Defeitos de alto potencial Defeitos de baixo potencial Cp bom, mas Cpk ruim Não tão bom Cp e Cpk Bom Cp e Cpk No alvo Machine Translated by Google
- 45. Identifique os fatores-chave(x's) Nosso objetivo: ÿ Avaliação Qualitativa ÿ Conhecimento Técnico ÿ Métodos Gráficos ÿ Triagem Projeto de Experimentos ÿ Análise de Pareto ÿ Teste de Hipóteses ÿ Regressão ÿ Projeto de Experimentos ÿ % Redução na Variação ÿ Custo/Benefício Quantificar Elimine “Muitos Triviais” Oportunidade Identifique “poucos vitais” Machine Translated by Google
- 46. 10 9 4 99 10 4 94 109 10 10 94 9 99 10 4 99 94 94 10 104 99 9 Mudança PAD PAD PAD Dia PAD Operador 50% Gráfico>Box plot Sem valoresX Gráfico>Box plot 75% 25% Box plots ajudam a ver a distribuição de dados Machine Translated by Google
- 47. Regressão 10 55 45 20 35 25 30 15 40 5 0 50 60 95% PI ÿ Entendemoso impacto para Testando hipóteses Aplique estatísticas para validar ações e melhorias ÿ Nossa melhoria teve impacto o fator? ÿ O fator é realmente importante? Análise de regressão ÿ Qual é o verdadeiro impacto? Análise estatística 0,020 30 0,000 0,015 20 0 0,010 10 0,025 0,005 Frequência Frequência Y 7 4 6 2 3 0,000 1 0,005 0,010 5 0 0,020 0,015 0,025 x Machine Translated by Google
- 48. A- Controle ruim,processo ruim C- O controle do processo é bom, ruim Processo ou tecnologia B- Deve controlar melhor o processo, a tecnologia está bem D- Classe Mundial 2.0 1,0 0,5 2.5 1,5 ÿ turno 6 bom bom 5 1 pobre pobre 2 TECNOLOGIA 3 4 A B D ÿSt AO CONTROLE C Machine Translated by Google
- 49. Z<3 Processo de DesignSeis Sigma LOUCO Parar Processo semelhante Preliminares Corrigir processo e design Calcular valores Z Desenho/Banco de dados Parar Rev 0 Ajustar processo e design desenhos Obter dados sobre Z>= Intenção do Projeto MAIC Identificar obter dados Crítico Verifique novamente Processo inspeção da 1ª peça Níveis 'Z' pré-piloto Dados Requerimento Identidade CTQs dados do piloto verão Vigarista Técnico Deixa Machine Translated by Google
- 50. Sugestão do consumidor:os blocos não podem chocalhar e não devem interferir na caixa • Nº 1 Definir a sugestão do cliente e o requisito técnico que precisamos satisfazer Requisito Técnico: Deve haver um Gap positivo Tempo entre manutenções Hora de Reparar Sensibilidade do Sensor Uso Total de Eletricidade Necessário para o Sistema capacidade de energia de backup (tempo) Hora de instalar Anos no mercado mainstream Hora de fornecer energia de backup Carregamento de chão Poder Resolução do Sensor Custo de instalação Custo de manutenção Pesos do cliente Tempo de resposta à perda de energia Custo do investimento Tensão Espaço ocupado Classificação do índice de segurança Tempo entre a substituição do equipamento Confiabilidade (Nível) Requisitos do cliente 6 Baixo custo de investimento 15 Barato para instalar Tensão Custo de manutenção Hora de instalar 1 1 Preferido acima dwn dwn dwn dwn dwn dwn tgt tgt dwn dwn tgt dwn up up Classificação do índice de segurança SEM ENTRADA NESTA ÁREA 4 Seguro para operar 13 Longo ciclo de vida do sistema/ componente Espaço ocupado Tempo entre manutenções classificação ECO 3 3 2 Longo tempo de fonte de alimentação de backup 11 Barato para manter 3 3 Uso Total de Eletricidade Necessário para o Sistema Sensibilidade do Sensor 9 Baixos custos de atualização 9 9 Classificação de suporte ao cliente 14 Barato para operar 3 1 7 Ocupa pouco espaço 16 Tecnologia comprovada de longa data Confiabilidade (Nível) Custo de instalação Poder 1 3 Baixo impacto ambiental 12 Baixa recuperação ou tempo de ciclo Métricas de Engenharia 5 Atenda aos requisitos de energia 3 3 Tempo de resposta à perda de energia Custo do investimento 9 9 Dependência das condições meteorológicas 1 resposta rápida Resolução do Sensor Horas de treinamento exigidas Tempo entre a substituição do equipamento 10 Pouco tempo para implementar 8 Fácil de atualizar 9 Tempo para fornecer capacidade de backup de energia de backup (tempo) Anos no mercado mainstream Hora de Reparar Carregamento de chão Machine Translated by Google
- 51. • #2 Definiras dimensões de destino (novos projetos) ou a média do processo (projeto existente) para todas as peças correspondentes Brecha O intervalo deve ser T=0,011, LSL=0,001 e USL = 0,021 Machine Translated by Google
- 52. (-) • Pode usardados de especialistas para contribuidores mínimos µT = 0,010 USL = 0,020 LSL = 0,001 (+) (-) (-) • Não calcule s das tolerâncias atuais Etapa 3 Requisitos de intervalo • Reunir dados de capacidade do processo. (-) • Use dados de peças reais ou similares para calcular o SS dos maiores contribuidores. Machine Translated by Google
- 53. + ÿ2 cubo1+ ÿ2 cubo3 + ÿ2 cubo4 + ÿ2 cubo2 ÿgap = ÿ2 caixa µgap= µcaixa – µcubo1 – µcubo2 – µcubo3 – µcubo4 Curto prazo (-) (+) (-) (-) (-) Caixa µgap= 5,080 – 1,250 – 1,250 – 1,250 – 1,250 = 0,016 1.250 .001 5.080 .001 Do processo: ÿgap = (.001)2 + (.001)2 + (.001)2 + (.001)2 + (.001)2 = .00224 Média ÿst Zshift = 1,6 Long Term ÿgap = (.0015)2 + (.0015)2 + (.0015)2 + (.0015)2 + (.0015)2 = .00335 Cubo Machine Translated by Google
- 54. Manter novo processo CaracterizarProcesso Entenda o processo Melhorar e verificar o processo Medir Avalie Melhorar Ao controle Machine Translated by Google
- 55. CALHA! 6ÿ O que precisofazer para melhorar meu jogo? Machine Translated by Google
- 56. x PROCESSO • Estimar osefeitos das Variáveis independentes nas Respostas. Y • Terminologia ÿFactor – Uma variável independente ÿLevel – Um valor para o fator. ÿResposta - Resultado Projeto de Experimentos (DOE) Machine Translated by Google
- 57. Primavera Marca de caféMaxwell House cheio de nozes Fator 1 Água 2 Alto Tocar Baixo Quantidade de café Nível O EXEMPLO DO CAFÉ Machine Translated by Google
- 58. 3.7 2.2 Efeitos principais: Efeitode cada fator individual na resposta MEU Feijão 'A' Feijão 'B' Machine Translated by Google
- 59. Feijão 'A' Feijão'B' Conceito de Interação Temperatura 'X' Temperatura 'Y' Machine Translated by Google
- 60. x1 x2 • Deslocara média de um processo. • Desloque a média e reduza a variação • Reduza a variação. Por que usar DoE? Machine Translated by Google
- 61. ÿ2 é onúmero de níveis = 16 tentativas ÿ4 é o número de fatores ÿ2 4 provas de 16 a 8. • Fatorial Completo. • Todas as combinações são testadas. • O fatorial fracionário pode reduzir o número de técnicas DoE Machine Translated by Google
- 62. • Meia fração •Metodologias de superfície de resposta • Fatorial Fracionário • Técnicas Taguchi Técnicas DoE….cont. Machine Translated by Google
- 63. Longo Fator Espesso Curto Afinar Baixo Quantidade de pressão Áreade adesão (cm2) 15 Pequeno Grande Sim Alto Tempo de aplicação de pressão Não acrílico 20 Tipo de Cola Primer aplicado Espessura do logotipo Afinar Nível Espessura da Espuma de Estireno Espessura uretano Mini Case - NISSAN MOTOR COMPANY Machine Translated by Google
- 64. C 5,65 5,43 + B 5,50 5,58 A 4,60 6,48 D 5,58 5,50 + - - - + + + + + - - - + B -Tipo de Cola estireno - + D - Espessura do Logo + - + + + - - + + - - + - + - B A - Área de Aderência (cm2) C - Espessura da Espuma - - - 2 9.8 12.6 1 CD Colagem Str Tabulação de Efeitos 9.2 4 3 8.9 6 12.3 ` 5 8.9 8 13.9 Não A 7 13 Matriz de design Machine Translated by Google
- 65. estireno 5,65 ÿ ÿ Thk deespuma 5.58 ÿ 5.5 - Thk do logotipo 5.58 - Tipo de Cola 5.43 - 5 - ÿ Área 6.5 4.6 Adesão Gráfico de efeito de fator Machine Translated by Google
- 66. 8. Conclusões 4. Escolhaos níveis dos fatores ETAPAS NO PLANEJAMENTO DE UM EXPERIMENTO 1. Defina Objetivo. 5. Selecione o Projeto Experimental 6. Execute o experimento e colete os dados 9. Execute uma execução de confirmação. 2. Selecione a Resposta (Y) 7. Analise os dados 3. Selecione os fatores (Xs) Machine Translated by Google
- 67. - Albert Einstein “...Nenhumaquantidade de experimentação pode provar que estou certo; um único experimento pode provar que estou errado”. “….A ciência só pode determinar o que é, mas não o que deveria ser, e fora de seu domínio, julgamentos de valor de todos os tipos permanecem necessários.” Machine Translated by Google
- 68. Melhorar e verificaro processo Caracterizar Processo Entenda o processo Manter novo processo Medir Avalie Melhorar Ao controle Machine Translated by Google
- 69. -Compre no planode controle -Implementação do plano de qualidade -Confirmação de Melhoria -“À prova de erros” o processo -Mudanças processuais -Documentação de encerramento -Confirmação de que você resolveu o problema prático -Processo de auditoria -Mudanças no sistema - Escopo do próximo projeto -Validação do benefício -Implementação do controle estatístico de processos Atividades da fase de controle: FASE DE CONTROLE - SEIS SIGMA Machine Translated by Google
- 70. 1. Selecione a(s)variável(is) causal(is). Poucos X(s) vitais comprovados 2. Definir Plano de Controle - 5Ws para intervalos ideais de X(s) 3. Validar Plano de Controle - Observar Y 4. Implementar/ Documentar Plano de Controle 5. Auditar Plano de Controle 6. Monitorar Métricas de Desempenho Como criar um Plano de Controle: FASE DE CONTROLE - SEIS SIGMA Machine Translated by Google
- 71. 2. Controle Estatísticode Processo (SPC) 1. Métodos básicos de controle Seis Sigma. - Usado com vários tipos de distribuições - Gráficos de controle •Baseado em atributos (np, p, c, u). Com base em variável (XR, X) •Ferramentas adicionais com base em variável -PRE- Control -Gráfico de causa comum (Média móvel exponencialmente balanceada (EWMA)) - Ferramentas 7M: diagrama de afinidade, diagrama de árvore, gráficos de programa de decisão de processo, diagramas de matrizes, diagramas de inter-relacionamento, matrizes de priorização, diagrama de rede de atividades. Ferramentas do plano de controle: FASE DE CONTROLE - SEIS SIGMA Machine Translated by Google
- 72. PROJETO SUPERVISÃO PROGRAMAS GERAL PRODUTOS PRODUTOS OBJETIVO DE ORGANIZAÇÃO CONCORRENTES SAÍDA PRODUTOS GERENCIAMENTO CONHECIMENTO DE GERENCIAMENTO PROJETO INTUITIVO PRODUTOSAPOIAR GERENCIAMENTO DIRETÓRIO PRODUTOS RESPOSTAS Entradas em dimensões ou categorias principais. CARACTERÍSTICAS: MAIS FÁCIL PARA OS USUÁRIOS • Redução de dados. Grandes números de qual. • Organizar ideias em categorias significativas INOVAÇÃO MÉTODOS PARA FAZER DIAGRAMA DE AFINIDADE Machine Translated by Google
- 73. Chegar na horamarcada 5 5 5 5 1 5 0 0 0 0 0 PONTUAÇÃO DE IMPORTÂNCIA 2 3 0 0 1 0 0 0 0 0 0 4 0 0 0 0 0 0 5 5 5 5 5 = importância alta, 3 = importância média, 1 = importância baixa Entregue via modo correto Leve de volta ao quarto imediatamente 39 25 25 27 25 0 20 20 20 20 1 3 3 2 3 7 6 6 6 6 Vestir-se adequadamente 4 0 0 0 0 0 0 0 0 0 0 CLASSIFICAÇÃO Chegar com equipamento adequado 4 2 0 0 5 0 0 0 0 0 0 Notifica de retorno Atendente atribuído Atendente chega transporta paciente Atendente atribuído Obtém equipamentos Paciente agendado Atendente chega Fornecer terapia Paciente retornou CLIENTE RELAÇÃO O QUE É MATRIZ IMPORTÂNCIA COMOS MATRIZ DIAGRAMA MATRICIAL Machine Translated by Google
- 74. nas setas Tornar o produto existente mais fácil de usar Deixar como está e baixar o preço Adicionar recursos setas para fora Dedicar recursos a novos produtos Total de setas Aumentar o orçamento de suporte técnicoForça Tornar o produto existente mais rápido (9) = Forte Influência Significa que a linha leva ao item da coluna (1) = Influência fraca/possível (3) = Alguma influência Significa que a coluna leva ao item da linha 1 2 3 21 Deixar como está e baixar o preço 2 1 3 27 Tornar o produto existente mais fácil de usar 0 3 3 21 1 1 2 18 0 2 2 18 5 0 5 45 Tornar o produto existente mais rápido Aumentar o orçamento de suporte técnico Adicionar recursos Dedicar recursos a novos produtos CARACTERÍSTICAS: •Descubra padrões nas relações de causa e efeito. •Nível mais detalhado no diagrama de árvore. Impacto um no outro avaliado. ID DE COMBINAÇÃO/DIAGRAMA DE MATRIZ Machine Translated by Google
- 75. 2. Controle Estatísticode Processo (SPC) 1. Métodos básicos de controle Seis Sigma. - Usado com vários tipos de distribuições - Gráficos de controle •Baseado em atributos (np, p, c, u). Com base em variável (XR, X) •Ferramentas adicionais com base em variável -PRE- Control -Gráfico de causa comum (Média móvel exponencialmente balanceada (EWMA)) - Ferramentas 7M: diagrama de afinidade, diagrama de árvore, gráficos de programa de decisão de processo, diagramas de matrizes, diagramas de inter-relacionamento, matrizes de priorização, diagrama de rede de atividades. Ferramentas do plano de controle: FASE DE CONTROLE - SEIS SIGMA Machine Translated by Google
- 76. Tamanho da constante do subgrupo X,Rm Porto. Constante de área de amostra para amostra Se a média for grande, X e Ir nem n nem p são pequenos: X - R, X - Rm são eficazes R também são eficazes Gráfico defeitos de defeituosos Medição Ind. ou subgrupos Normalmente dist. dados Use gráfico X - R com regras modificadas Interesse em mudanças bruscas de média Mais eficaz para detectar mudanças graduais a longo prazo Não Sim Não Tipo Sim Não Rm Variáveis Sim Medição de subgrupos Sim Não p, np Dados indivíduos CUSUM e MA, EWMA ou Defeituosos C, você você Atributos p Defeitos X-R Como selecionamos a Carta de Controle correta: Machine Translated by Google
- 77. Machine Translated byGoogle
- 78. DIMENSÃO Linha de referência Tolerância -Ao controle Baixo Tolerâncialimite NOMINAL limite -Ao controle PRÉ Alto PRÉ Linha de referência VERMELHO AMARELO VERMELHO 1/4 TOL. ZONA ZONA VERDE 1/2 TOL. AMARELO ZONA 1/4 TOL. ZONA ZONA Ferramentas adicionais baseadas em variáveis: 1. PRÉ-Controle •Algoritmo para controle baseado em tolerâncias •Assume processo de produção com característica de qualidade mensurável/ajustável que varia. •Não equivalente ao SPC. Processo conhecido por ser capaz de atender à tolerância e garantir que o faça. •SPC usado sempre antes da aplicação do PRE-Control. •Processo qualificado pela tomada de amostras consecutivas de medições individuais, até que 5 seguidas caiam na zona central, antes que 2 caiam em cautela. Ação tomada se 2 amostras estiverem em Cau. zona. •Codificado por cores Machine Translated by Google
- 79. ÿ •Média do processorastreada por EWMA •Benefícios: •Usado quando o processo tem desvio inerente •Fornece previsão de onde será a próxima medição do processo. •Usado para desenvolver procedimentos para controle de processo dinâmico •Equação: EWMA = y^t + (yt - y^t) ÿ entre 0 e 1 2. Tabela de Causas Comuns (EWMA). • A média dos processos de fabricação automatizados varia devido ao fator de processo inerente. O SPC considera o processo estático. •Desvio produzido por causas comuns. •Implementar uma “Tabela de Causas Comuns”. •Sem limites de controle. Os limites de ação são colocados no gráfico. •Calculado com base nos custos •A violação do limite de ação não resulta em busca de causa especial. Ação tomada para aproximar o processo do valor alvo. Machine Translated by Google
- 80. 25 Graus 13 1 28 16 7 19 422 10 50 150 0 Observações 100 Areia Temperatura EWMA Gráfico EWMA de temperatura da areia 107,30 3,78 -13,00 -5,20 1,15 -14,89 111 102 112 118 125 115 100 0,00 -2,00 108,83 111,95 121,00 130,54 11.51 125 123 -2,52 -8,25 3,69 6,37 -5,36 101,49 -10,68 -2,07 -8,21 9,38 -3,60 0,47 113,85 114,89 111,53 130 136 130 Erro EWMA de Temperatura da Areia 116 108 101 100 92 111 107 10.05 19.00 -18,54 98,22 112 138,00 123,20 113 111,85 -0,85 122 140 3.17 112 4,70 126,31 129,63 135,36 118,52 116,25 111,68 102,07 100,21 101,62 110,60 125,00 125,00 112 Machine Translated by Google
- 81. •Melhoria totalmente implementadae processo redefinido. •Plano de qualidade e procedimentos de controle institucionalizados. •Donos do processo: Totalmente treinados e executando o processo. •Qualquer documentação necessária feita. • Fichário de história concluído. Folha de rosto de encerramento assinada. • Cartão de pontuação desenvolvido em características aprimoradas e método de relatório definido. Encerramento do projeto Machine Translated by Google
- 82. • Redução dosníveis de defeitos no processo por um fator de 200. • Redução dos custos de fabricação em US$ 1,4 bilhão. • Crescimento de 14% por trimestre. • Aumento da produção dos funcionários em dólar em 126%. • 520% de crescimento preço/ação. • Aumentou em quatro vezes o valor das ações dos acionistas. • Redução do tempo de introdução de novos produtos em 16%. • Redução de 24% na fatura/ciclo. • Redução de custos de US$ 1,4 bilhão. ROI da AlliedSignal 1992-1996 ROI da Motorola 1987-1994 Machine Translated by Google
- 83. • Economia demais de US$ 1 bilhão em toda a empresa. • Economia anual estimada em US$ 6,6 bilhões até o ano 2000. ROI da General Electric 1995-1998 Machine Translated by Google
- 84. • , • Forrest W.Breyfogle III, “Implementing Six Sigma”, John Wiely & Sons, Inc, 1999 • StatPoint, LLC. “Six Sigma Tour”, http://www.sgcorp.com/six-sigma_tour.htm, 2001 Infinity Performance Systems, “Six Sigma Overview”, http://www.6sigmaworld.com/six_sigma.htm, 2000 • Motorola Inc., “What is 3 vs. 6 sigma”, http://www.Motorola.com/MIMS/MSPG/Special/CLM/sld011.htm, 1997 • Engenharia de Controle On-line, “Design for Six Sigma Capability” • Sigma Holdings, Inc., “Six Sigma Breakthrough Strategy”, http://www.6-sigma.com/Bts1.htm, 2000 http://www.controleng.com/, 1999 • Six Sigma SPC / Jim Winings, “Six Sigma & SPC” http://www.sixsigmaspc.com/six_sigma.html, 2001 Bibliografia Machine Translated by Google