Quality Management Operations Management For Competitive Advantage C HASE A QUILANO J ACOBS ninth...
-
Upload
laura-caceres-lozano -
Category
Documents
-
view
213 -
download
0
Transcript of Quality Management Operations Management For Competitive Advantage C HASE A QUILANO J ACOBS ninth...
Quality ManagementQuality Management
Operations ManagementFor Competitive Advantage
CHASE AQUILANO JACOBS
ninth edition
Chapter 7
Capitulo 7
Gestión de la Calidad• Definición de Gestión de Calidad Total• Premio: Malcolm Baldrige National Quality Award• Especificaciones de Calidad• Costo de la Calidad• Mejoramiento Continuo• Herramientas SPC• Comparando (Benchmarking)• Aprueba de Errores• ISO 9000
Gestión de Calidad Total (TQM)Definición
• Gestión de calidad total Total se define como
gestionar la organización de manera que destaque
en todas las dimensiones importante para el cliente
tanto a nivel de productos como en servicios.
Premio de Calidad: 1999 Malcolm Baldrige National
• 1.0 Liderazgo (125 puntos)• 2.0 Planeación Estratégica (85 puntos)• 3.0 Enfoque al cliente (85 puntos)• 4.0 Análisis de Información (85 puntos)• 5.0 Enfoque a Recursos Humanos (85 puntos)• 6.0 Gestión de Procesos (85 puntos)• 7.0 Resultado del Negocio (450 puntos)
Categorías del Premio Baldrige
• Empresas Productivas• Empresas de Servicio• Pequeños Negocios• Organizaciones de Salud• Instituciones Educacionales
Características del Ganador del Premio Baldrige
• Las organizaciones formulan una su visión de calidad y como la alcanzaran.
• La gerencia de la organización estaba involucrada.
• La organizaciones cuidadosamente planean sus esfuerzos para garantizar que va a ser correctamente implementada.
• Constantemente vigilan los procesos.
Especificaciones de Calidad• Diseño de calidad: Valor inherente del valor del
producto en el mercado
– Dimensiones incluyen: Desempeño, Características, Confiabilidad, Durabilidad, Servicio, Responsabilidad, y Reputación.
• Cumplimiento de calidad: Grado en el que el producto o servicio cumple con las especificaciones de calidad
Costos de la Calidad
Costos de fracaso externo
Costos estimación
Costos de prevención
Costos de fracaso interno
Costo de la
calidad
Mejoramiento Continuo (CI)
• Visión de la gerencia referente a los estándares de desempeño de la organización– Nivel de desempeño de la organización es algo
que se debe mejorar en pequeños pasos de manera sistemática.
• Forma en que la gerencia ve la contribución del recurso humano– Cree que la esfuerzo del recurso humano es clave
para las mejoras.
5 S’
• Seiri : Organización. Separar innecesarios • Seiton : Orden. Situar necesarios • Seisō : Limpieza. Suprimir suciedad • Seiketsu : Estandarizar. Señalizar anomalías • Shitsuke : Disciplina. Seguir mejorando
Metodología para mejoramiento continuo: La rueda de Deming
1. Planifique que se hará y como se sabrá si da resultados
1. Planificar
2. Poner en practica el plan.
2. Realizar
3. Juzgue los resultados
3. Evaluar
4. Institucionar el cambio o buscar un nuevo plan
4. Actuar
Ejemplo: Flujograma de proceso
No, Continua…
Llegada Pacientes
Atención médica
¿Hay Recupera-
ción?
Paciente es dado de alta
Si
Proceso AtenciónProceso Atención
Ejemplo: Diagrama causa efecto
Efecto
RHEquipos
MaterialesMétodo
Ambiente
Posibles causasPosibles causas EfectoEfecto
Sirva para encontrar la raiz de un problemaSirva para encontrar la raiz de un problema
Ejemplo: Análisis de Pareto
80% de los problemas estan causados por un 20% de los factores.
80% de los problemas estan causados por un 20% de los factores.
Capacitacion
Fre
cuen
cia
Recursos
Insumos
Examenes
Otros
80%
Ejemplo: Gráfico de tiempo
12345
678
1 2 3 4 5 6 7 8 9 10 11 12Tiempo (Horas)
La
rgo
co
la e
spe
ra
Ejemplo: HistogramaP
reva
len
cia
Rango Edades
0-10 10-20 20-30 30-40 40-50
Ejemplo: Gráfico de puntos
02468
1012
0 10 20 30
Horas de entrenamiento
De
fect
os
Ejemplo: Diagrama de Control
970
980
990
1000
1010
1020
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
LCL
UCL
Sirve para controlar un procesoSirve para controlar un proceso
Comparación Benchmarking
1. Identificar procesos que necesitan mejoras
2. Identificar al líder de mercado en el proceso.
3. Contactar al líder de mercado y solicitarles información.
4. Analizar los datos.
Process Capability & Process Capability & Statistical Quality ControlStatistical Quality Control
Operations ManagementFor Competitive Advantage
CHASE AQUILANO JACOBS
ninth edition
Technical Note 7
Capacidad del Proceso y Control Estadístico de Calidad
• Variación del proceso• Capacidad del proceso• Procedimientos de control de un proceso
– Variable– Atributo
• Muestreo– Curva operacional característica
Formas básicas de variación
• Variación asignable es causada por factores claramente identificables y controlables.
• Variación común es inherente al proceso productivo.
La visión de Taguchi referente a variación
Costoincrementalde variación
Alto
Cero
LimInfer.
ObjetEspec
LimSup
Tradicional
Costoincrementalde variación
Alto
Cero
LimInfer
ObjetEspec
LimSup
Taguchi
Capacidad del Proceso
• Límites del proceso
• Límites de tolerancia
• ¿Cómo se relacionan los limites?
Índice de capacidad del proceso, Cpk
3
X-UTLor
3
LTLXmin=C pk
Cambios en la media del proceso
El índice de capacidad muestra que tan bien las partes producidas se ajusta a los limites especificados.
Pequeños cambios de la media pueden ocurrir por desajustes
Types of Statistical Sampling• Atributo (si o no )
– Defectuoso se refiere a la aceptación de un producto por un rango de características.
– Defectos se refiere al numero de defectos por unidad lo que puede ser mayor a los artículos defectuosos.
– p-gráfico
• Variable (Continua)– Usualmente se mide por la media y la desviación
Standard.– X-barra y gráficos R
UCL
LCL
Muestreo 1 2 3 4 5 6
UCL
LCL
Muestreo 1 2 3 4 5 6
UCL
LCL
Muestreo 1 2 3 4 5 6
Comportamiento normal
Posible problema
Posible problema
Gráficos de control estadístico
Los límites de control están basados en la curva normal
x
0 1 2 3-3 -2 -1z
Unidades desviaciónStandard o unidades “z”.
Límites de ControlSe estable el límite superior de control (UCL) y el límite inferior de control (LCL) sumando o restando 3 desviaciones standard a la media. Así podemos esperar que el 99.7% de nuestras observaciones estén dentro de los límites de control.
xLCL UCL
99.7%
Ejemplo construyendo un p-gráfico: Datos
1 100 42 100 23 100 54 100 35 100 66 100 47 100 38 100 79 100 1
10 100 211 100 312 100 213 100 214 100 815 100 3
Formulas de gráfico de control estadístico:Medidas de atributo (p-gráfico)
p =Total Number of Defectives
Total Number of Observations
ns
)p-(1 p = p
p
p
z - p = LCL
z + p = UCL
s
s
Dado:
Calcular los límites de control:
1. Calcular p (estos valores se grafican)
Muestra n Defectos p1 100 4 0.042 100 2 0.023 100 5 0.054 100 3 0.035 100 6 0.066 100 4 0.047 100 3 0.038 100 7 0.079 100 1 0.01
10 100 2 0.0211 100 3 0.0312 100 2 0.0213 100 2 0.0214 100 8 0.0815 100 3 0.03
Ejemplo de construcción p-gráfico: Paso 1
2. Calcular la proporción promedio de la muestra.
0.036=1500
55 = p
3. Calcular la desviación standard de la muestra
.0188= 100
.036)-.036(1=
)p-(1 p = p n
s
Ejemplo de construcción p-gráfico: Pasos 2 y 3
4. Calcular los límites de control.
3(.0188) .036
UCL = 0.0924LCL = -0.0204 (or 0)
p
p
z - p = LCL
z + p = UCL
s
s
Ejemplo de construcción p-gráfico: Paso 4
Ejemplo de construcción p-gráfico: Paso 55. Dibujar las proporciones individuales, el promedios y los límites de control
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Observación
p
UCL
LCL
Ejemplo de x-Barra y R gráfico: Datos
Muestra Obs 1 Obs 2 Obs 3 Obs 4 Obs 51 10.68 10.689 10.776 10.798 10.7142 10.79 10.86 10.601 10.746 10.7793 10.78 10.667 10.838 10.785 10.7234 10.59 10.727 10.812 10.775 10.735 10.69 10.708 10.79 10.758 10.6716 10.75 10.714 10.738 10.719 10.6067 10.79 10.713 10.689 10.877 10.6038 10.74 10.779 10.11 10.737 10.759 10.77 10.773 10.641 10.644 10.72510 10.72 10.671 10.708 10.85 10.71211 10.79 10.821 10.764 10.658 10.70812 10.62 10.802 10.818 10.872 10.72713 10.66 10.822 10.893 10.544 10.7514 10.81 10.749 10.859 10.801 10.70115 10.66 10.681 10.644 10.747 10.728
Ejemplo de x-Barra y R gráfico: Paso 1. Calcular medias muestrales, rangos muestrales, media de las medias muestrales,
y media de los rangos.Muestra Obs 1 Obs 2 Obs 3 Obs 4 Obs 5 Promedio Rango
1 10.68 10.689 10.776 10.798 10.714 10.732 0.1162 10.79 10.86 10.601 10.746 10.779 10.755 0.2593 10.78 10.667 10.838 10.785 10.723 10.759 0.1714 10.59 10.727 10.812 10.775 10.73 10.727 0.2215 10.69 10.708 10.79 10.758 10.671 10.724 0.1196 10.75 10.714 10.738 10.719 10.606 10.705 0.1437 10.79 10.713 10.689 10.877 10.603 10.735 0.2748 10.74 10.779 10.11 10.737 10.75 10.624 0.6699 10.77 10.773 10.641 10.644 10.725 10.710 0.13210 10.72 10.671 10.708 10.85 10.712 10.732 0.17911 10.79 10.821 10.764 10.658 10.708 10.748 0.16312 10.62 10.802 10.818 10.872 10.727 10.768 0.25013 10.66 10.822 10.893 10.544 10.75 10.733 0.34914 10.81 10.749 10.859 10.801 10.701 10.783 0.15815 10.66 10.681 10.644 10.747 10.728 10.692 0.103
Promedio 10.728 0.220400
Ejemplo de x-Barra y R gráfico: Paso 2. Fórmulas de límites de control y tablas
x Chart Control Limits
UCL = x + A R
LCL = x - A R
2
2
R Chart Control Limits
UCL = D R
LCL = D R
4
3
n A2 D3 D42 1.88 0 3.273 1.02 0 2.574 0.73 0 2.285 0.58 0 2.116 0.48 0 2.007 0.42 0.08 1.928 0.37 0.14 1.869 0.34 0.18 1.82
10 0.31 0.22 1.7811 0.29 0.26 1.74
A2: Factor para x-barraD3: Límite de control inferiorD4: Límite de control superior
Ejemplo de x-Barra y R gráfico: Pasos 3 y 4. Calcular x-barra y graficar valores
10.601
10.856
=).58(0.2204-10.728RA - x = LCL
=).58(0.2204-10.728RA + x = UCL
2
2
10.550
10.600
10.650
10.700
10.750
10.800
10.850
10.900
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Muestra
Med
ia
UCL
LCL
Ejemplo de x-Barra y R gráfico: Pasos 5 y 6. Calcular R-gráfico y dibujar valores
0
0.46504
)2204.0)(0(R D= LCL
)2204.0)(11.2(R D= UCL
3
4
0.000
0.100
0.200
0.300
0.400
0.500
0.600
0.700
0.800
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Muestra
RUCL
LCL
Formas básicas de muestreo estadístico para control de calidad
• Muestreo para aceptar o rechazar un lote. (Muestreo de aceptación).
• Muestreo para determinar si un proceso esta dentro de límites aceptable (Control estadístico de proceso)
Muestreo de Aceptación• Propósito
– Determinar nivel de calidad– Asegurar que la calidad esta dentro de los limites pre-
establecidos
• Ventajas– Económico– Menores perdidas por manejo– Menos inspectores– Es aplicable a pruebas destructivas– Motivación para mejoramiento, se destruye todo el lote en
caso de rechazo
Muestreo de Aceptación
• Desventajas– Riesgo de aceptar lotes malos y rechazar lotes
buenos. – Se debe planificar y documentar– Es muestreo y su información es limitada
Muestreo de Aceptación: Muestreo Simple
1. Determinar el tamaño de la muestra, n.
2. Determinar el número máximo piezas defectuosas a encontrar para rechazar el lote, c.
Riesgos• Nivel de calidad aceptable (AQL)
– Porcentaje máximo de artículos defectuosos definido por el productor.
• (riesgo del productor)– Probabilidad de rechazar un lote bueno.
• Porcentaje de Tolerancia de defectuosos del lote (LTPD)– Porcentaje que el cliente define como máximo de
defectuosos a tolerar.
• (Riesgo del cliente)– Probabilidad de aceptar un lote malo.
Curva Operacional Característica
n = 99c = 4
AQL LTPD
00.10.20.30.40.50.60.70.80.9
1
1 2 3 4 5 6 7 8 9 10 11 12
Porcentaje de defectuosos
Pro
bab
ilid
ad d
e ac
epta
ción
=.10(riesgo cliente)
= .05 (riesgo productor)