SlideShare uma empresa Scribd logo
1 de 84
Baixar para ler offline
( Raiz quadrada da 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
Mas o que poderia 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
• Duas aterrissagens curtas 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
Seis Sigma
A resposta é:
Machine Translated by Google
ÿ Uma métrica que 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
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
• Conta com processos 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
a “Voz do Consumidor” (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
Axis formado em Sigma
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
Limites de especificação
Processo 3-sigma
(centrado)
Cp = 1,0
Cpk = 1,0
2.700 ppm
Machine Translated by Google
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
Limites de especificação
Processo 3-sigma
(deslocado 1,0 std. dev.)
Cp = 1,0
Cpk = 0,667
ppm = 22.782
(cerca de 2,28-sigma)
Machine Translated by Google
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
Processo
Capacidade oportunidades
Inclui 1,5
Defeitos por 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
Processo de mapeamento
Estrutura da 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
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
Gerenciar as saídas.
• Variáveis de saída
Quota de mercado
Crescimento das vendas
Lucratividade
Uma Visão Tradicional
Machine Translated by Google
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
Definir a Declaração de 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
Caracterização do Processo
Processo otimizado
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
Organização Seis Sigma
Machine Translated by Google
Liderança Conduzindo o Uso
Um Faixa Preta tem…, e vai…
Machine Translated by Google
Preto
Mestre
Cinto
Cinto
Cinto
Preto
Verde
uns
Estatístico/
2% ~ 5%
cintos
Encontre um
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
AEC663
GBM Caracterização do Processo 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
Compromisso Corporativo
Oferecemos a essas 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
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
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
– “Você não tem 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
Melhorar e verificar o processo
Entenda o processo Manter novo processo
Caracterizar Processo
Medir
Ao controle
Avalie
Melhorar
Machine Translated by Google
Desempenho
coletar Processo
Processo
Problema
Definir Entender
Dados
Fase de 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
ÿ O que você 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
Plano de amostragem
Linha de 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
Mapa de processo
espinha de peixe
Data histórica
Como conhecemos nosso processo?
Machine Translated by Google
RUÍDO BRANCO
variação de causa)
(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
Machine Translated by Google
ÿtotal
dentro do grupo
Visualizando as 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
Tempo 1
Tempo 3
Tempo 2
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
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
Os dados dentro dos 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
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
'Y' = função de 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
Melhorar e verificar o processo
Caracterizar Processo
Manter novo processo
Entenda o processo
Melhorar
Medir
Ao controle
Avalie
Machine Translated by Google
Por exemplo, raízes quadradas, 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
USL
LSL
LSL
LSL
USL
USL
O que nós precisamos?
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
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
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 valores X
Gráfico>Box plot
75%
25%
Box plots ajudam a ver a distribuição de dados
Machine Translated by Google
Regressão
10
55
45
20
35
25
30
15
40
5
0
50
60
95% PI
ÿ Entendemos o 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
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
Z<3
Processo de Design Seis 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
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
• #2 Definir as 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
(-)
• Pode usar dados 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
+ 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
Manter novo processo
Caracterizar Processo
Entenda o processo
Melhorar e verificar o processo
Medir
Avalie
Melhorar
Ao controle
Machine Translated by Google
CALHA!
6ÿ
O que preciso fazer para melhorar meu jogo?
Machine Translated by Google
x
PROCESSO
• Estimar os efeitos 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
Primavera
Marca de café Maxwell House cheio de nozes
Fator
1
Água
2
Alto
Tocar
Baixo
Quantidade de café
Nível
O EXEMPLO DO CAFÉ
Machine Translated by Google
3.7
2.2
Efeitos principais: Efeito de cada fator individual na resposta
MEU
Feijão 'A' Feijão 'B'
Machine Translated by Google
Feijão 'A' Feijão 'B'
Conceito de Interação
Temperatura 'X' Temperatura 'Y'
Machine Translated by Google
x1 x2
• Deslocar a média de um processo.
• Desloque a média e reduza a variação
• Reduza a variação.
Por que usar DoE?
Machine Translated by Google
ÿ2 é o número 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
• Meia fração
• Metodologias de superfície de resposta
• Fatorial Fracionário
• Técnicas Taguchi
Técnicas DoE….cont.
Machine Translated by Google
Longo
Fator
Espesso
Curto
Afinar
Baixo
Quantidade de pressão
Área de 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
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
estireno
5,65
ÿ ÿ
Thk de espuma
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
8. Conclusões
4. Escolha os 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
- Albert Einstein
“...Nenhuma quantidade 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
Melhorar e verificar o processo
Caracterizar Processo
Entenda o processo Manter novo processo
Medir
Avalie
Melhorar
Ao controle
Machine Translated by Google
-Compre no plano de 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
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
2. Controle Estatístico de 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
PROJETO
SUPERVISÃO
PROGRAMAS
GERAL
PRODUTOS
PRODUTOS
OBJETIVO DE
ORGANIZAÇÃO
CONCORRENTES
SAÍDA
PRODUTOS
GERENCIAMENTO
CONHECIMENTO DE
GERENCIAMENTO
PROJETO
INTUITIVO
PRODUTOS APOIAR
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
Chegar na hora marcada 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
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
técnico Força
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
2. Controle Estatístico de 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
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
Machine Translated by Google
DIMENSÃO
Linha
de
referência Tolerância
-Ao
controle
Baixo Tolerância limite
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
ÿ
•Média do processo rastreada 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
25
Graus
13
1 28
16
7 19
4 22
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
•Melhoria totalmente implementada e 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
• Redução dos níveis 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
• Economia de mais 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
•
,
• 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

Mais conteúdo relacionado

Semelhante a seissigmatrad.pdf

Controle+estatístico+da+qualidade[1]
Controle+estatístico+da+qualidade[1]Controle+estatístico+da+qualidade[1]
Controle+estatístico+da+qualidade[1]
silvioxavierjunior
 
Controle estatistico unijorge
Controle estatistico unijorgeControle estatistico unijorge
Controle estatistico unijorge
nigr0 s
 
Aula 2 controle da qualidade total
Aula 2  controle da qualidade totalAula 2  controle da qualidade total
Aula 2 controle da qualidade total
institutocarvalho
 

Semelhante a seissigmatrad.pdf (20)

Aula 01 qs - 6 sigma
Aula 01   qs - 6 sigmaAula 01   qs - 6 sigma
Aula 01 qs - 6 sigma
 
Introdução a 6sigma
Introdução a  6sigmaIntrodução a  6sigma
Introdução a 6sigma
 
Jornadas de Boas Praticas Lean Management 2013
Jornadas de Boas Praticas Lean Management 2013Jornadas de Boas Praticas Lean Management 2013
Jornadas de Boas Praticas Lean Management 2013
 
Controle+estatístico+da+qualidade[1]
Controle+estatístico+da+qualidade[1]Controle+estatístico+da+qualidade[1]
Controle+estatístico+da+qualidade[1]
 
Teste de Desempenho, muito além do JMeter
Teste de Desempenho, muito além do JMeterTeste de Desempenho, muito além do JMeter
Teste de Desempenho, muito além do JMeter
 
Apresentação de TCC - Priscila Pereira.pptx
Apresentação de TCC - Priscila Pereira.pptxApresentação de TCC - Priscila Pereira.pptx
Apresentação de TCC - Priscila Pereira.pptx
 
Metricas ageis
Metricas ageisMetricas ageis
Metricas ageis
 
Seis sigma apres fap
Seis sigma apres fapSeis sigma apres fap
Seis sigma apres fap
 
Masp
MaspMasp
Masp
 
Controle estatistico unijorge
Controle estatistico unijorgeControle estatistico unijorge
Controle estatistico unijorge
 
6 SIGMA
6 SIGMA6 SIGMA
6 SIGMA
 
Aula 2 controle da qualidade total
Aula 2  controle da qualidade totalAula 2  controle da qualidade total
Aula 2 controle da qualidade total
 
A minha experiência como Sensei - Bruno Oliveira Eng
A minha experiência como Sensei - Bruno Oliveira EngA minha experiência como Sensei - Bruno Oliveira Eng
A minha experiência como Sensei - Bruno Oliveira Eng
 
Otimização de processos laboratoriais e de controle de qualidade industrial
Otimização de processos laboratoriais e de controle de qualidade industrialOtimização de processos laboratoriais e de controle de qualidade industrial
Otimização de processos laboratoriais e de controle de qualidade industrial
 
Logística, transporte, infra-estrutura e aspectos gerais do setor de base flo...
Logística, transporte, infra-estrutura e aspectos gerais do setor de base flo...Logística, transporte, infra-estrutura e aspectos gerais do setor de base flo...
Logística, transporte, infra-estrutura e aspectos gerais do setor de base flo...
 
Dba Ciclo Palestra P5 V1a
Dba Ciclo Palestra P5 V1aDba Ciclo Palestra P5 V1a
Dba Ciclo Palestra P5 V1a
 
Six Sigma
Six SigmaSix Sigma
Six Sigma
 
Gestão pela Excelência em Resultados
Gestão pela Excelência em Resultados Gestão pela Excelência em Resultados
Gestão pela Excelência em Resultados
 
Gestão pela Excelência em Resultados
Gestão pela Excelência em ResultadosGestão pela Excelência em Resultados
Gestão pela Excelência em Resultados
 
1206131644_slides_qualidade[1].pptx
1206131644_slides_qualidade[1].pptx1206131644_slides_qualidade[1].pptx
1206131644_slides_qualidade[1].pptx
 

Último

ATIVIDADE 2 - PSICOLOGIA ORGANIZACIONAL - ok.pdf
ATIVIDADE 2 - PSICOLOGIA ORGANIZACIONAL - ok.pdfATIVIDADE 2 - PSICOLOGIA ORGANIZACIONAL - ok.pdf
ATIVIDADE 2 - PSICOLOGIA ORGANIZACIONAL - ok.pdf
Colaborar Educacional
 
AE02 - MAQUINAS TÉRMICAS UNICESUMAR 52/2024
AE02 - MAQUINAS TÉRMICAS UNICESUMAR 52/2024AE02 - MAQUINAS TÉRMICAS UNICESUMAR 52/2024
AE02 - MAQUINAS TÉRMICAS UNICESUMAR 52/2024
Consultoria Acadêmica
 
AE01 -ESTUDO CONTEMPORÂNEO E TRANSVERSAL -COMUNICAÇÃO ASSERTIVA E INTERPESSOA...
AE01 -ESTUDO CONTEMPORÂNEO E TRANSVERSAL -COMUNICAÇÃO ASSERTIVA E INTERPESSOA...AE01 -ESTUDO CONTEMPORÂNEO E TRANSVERSAL -COMUNICAÇÃO ASSERTIVA E INTERPESSOA...
AE01 -ESTUDO CONTEMPORÂNEO E TRANSVERSAL -COMUNICAÇÃO ASSERTIVA E INTERPESSOA...
Consultoria Acadêmica
 

Último (8)

AE01 - ESTUDO CONTEMPORÂNEO E TRANSVERSAL RELACOES DE CONSUMO E SUSTENTABILI...
AE01 - ESTUDO CONTEMPORÂNEO E TRANSVERSAL  RELACOES DE CONSUMO E SUSTENTABILI...AE01 - ESTUDO CONTEMPORÂNEO E TRANSVERSAL  RELACOES DE CONSUMO E SUSTENTABILI...
AE01 - ESTUDO CONTEMPORÂNEO E TRANSVERSAL RELACOES DE CONSUMO E SUSTENTABILI...
 
aula-7sobre tipos de-grafos-eulerianos.pdf
aula-7sobre tipos de-grafos-eulerianos.pdfaula-7sobre tipos de-grafos-eulerianos.pdf
aula-7sobre tipos de-grafos-eulerianos.pdf
 
ATIVIDADE 2 - PSICOLOGIA ORGANIZACIONAL - ok.pdf
ATIVIDADE 2 - PSICOLOGIA ORGANIZACIONAL - ok.pdfATIVIDADE 2 - PSICOLOGIA ORGANIZACIONAL - ok.pdf
ATIVIDADE 2 - PSICOLOGIA ORGANIZACIONAL - ok.pdf
 
aula_1_manutenÇÃo_industrial_de_equipamentos
aula_1_manutenÇÃo_industrial_de_equipamentosaula_1_manutenÇÃo_industrial_de_equipamentos
aula_1_manutenÇÃo_industrial_de_equipamentos
 
ST 2024 Statum Apresentação Comercial - VF
ST 2024 Statum Apresentação Comercial - VFST 2024 Statum Apresentação Comercial - VF
ST 2024 Statum Apresentação Comercial - VF
 
AE02 - MAQUINAS TÉRMICAS UNICESUMAR 52/2024
AE02 - MAQUINAS TÉRMICAS UNICESUMAR 52/2024AE02 - MAQUINAS TÉRMICAS UNICESUMAR 52/2024
AE02 - MAQUINAS TÉRMICAS UNICESUMAR 52/2024
 
AE01 -ESTUDO CONTEMPORÂNEO E TRANSVERSAL -COMUNICAÇÃO ASSERTIVA E INTERPESSOA...
AE01 -ESTUDO CONTEMPORÂNEO E TRANSVERSAL -COMUNICAÇÃO ASSERTIVA E INTERPESSOA...AE01 -ESTUDO CONTEMPORÂNEO E TRANSVERSAL -COMUNICAÇÃO ASSERTIVA E INTERPESSOA...
AE01 -ESTUDO CONTEMPORÂNEO E TRANSVERSAL -COMUNICAÇÃO ASSERTIVA E INTERPESSOA...
 
Checklist de renovação de AVCB -Auto de Vistoria do Corpo de Bombeiros.pdf
Checklist de renovação de AVCB -Auto de Vistoria do Corpo de Bombeiros.pdfChecklist de renovação de AVCB -Auto de Vistoria do Corpo de Bombeiros.pdf
Checklist de renovação de AVCB -Auto de Vistoria do Corpo de Bombeiros.pdf
 

seissigmatrad.pdf

  • 1. ( Raiz quadrada da 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 que poderia 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 aterrissagens curtas 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 resposta é: Machine Translated by Google
  • 5. ÿ Uma métrica que 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 com processos 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 do Consumidor” (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 em Sigma 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 Processo 3-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 Processo 3-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 Defeitos por 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 Estrutura da 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 Declaração de 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 Processo otimizado 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 Machine Translated by Google
  • 22. Liderança Conduzindo o Uso Um Faixa Preta tem…, e vai… Machine Translated by Google
  • 23. Preto Mestre Cinto Cinto Cinto Preto Verde uns Estatístico/ 2% ~ 5% cintos Encontre um 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 do Processo 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 a essas 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 não tem 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 verificar o 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 Fase de 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 que você 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 Linha de 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 espinha de peixe Data histórica Como conhecemos nosso processo? Machine Translated by Google
  • 34. RUÍDO BRANCO variação de causa) (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
  • 36. ÿtotal dentro do grupo Visualizando as 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 Tempo 2 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 dentro dos 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' = função de 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 verificar o processo Caracterizar Processo Manter novo processo Entenda o processo Melhorar Medir Ao controle Avalie Machine Translated by Google
  • 43. Por exemplo, raízes quadradas, 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 nós precisamos? 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 valores X 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 Entendemos o 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 Design Seis 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 Definir as 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 usar dados 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 Caracterizar Processo Entenda o processo Melhorar e verificar o processo Medir Avalie Melhorar Ao controle Machine Translated by Google
  • 55. CALHA! 6ÿ O que preciso fazer para melhorar meu jogo? Machine Translated by Google
  • 56. x PROCESSO • Estimar os efeitos 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 café Maxwell 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: Efeito de 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 • Deslocar a 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 o número 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 Área de 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 de espuma 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. Escolha os 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 “...Nenhuma quantidade 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 verificar o processo Caracterizar Processo Entenda o processo Manter novo processo Medir Avalie Melhorar Ao controle Machine Translated by Google
  • 69. -Compre no plano de 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 Estatístico de 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 PRODUTOS APOIAR 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 hora marcada 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 técnico Força 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 Estatístico de 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
  • 78. DIMENSÃO Linha de referência Tolerância -Ao controle Baixo Tolerância limite 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 processo rastreada 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 4 22 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 implementada e 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 dos níveis 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 de mais 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