Publicaciones

Este primer volumen enseña los fundamentos de la resolución de problemas de flujo y los principios básicos del Lean Management. El libro está dirigido a estudiantes e instructores de Lean Six Sigma, así como a directivos que deseen ir más allá de la mera adquisición de fórmulas y desarrollar sus prácticas sobre una base teórica sólida. Respetando las raíces históricas, el espíritu y la terminología consolidada del Lean Six Sigma, el libro se esfuerza por identificar, unificar y formalizar sus principios fundamentales subyacentes.

Este segundo volumen detalla la implantación del enfoque en las empresas y el protocolo metodológico genérico DMAIC. Basándose en una definición original de los problemas estadísticos, enseña los fundamentos de la resolución de problemas estadísticos "discernibles" y los principios básicos de Six Sigma. El libro está dirigido a estudiantes y profesores de Lean Six Sigma, así como a profesionales de la mejora operativa que deseen ir más allá de la mera adquisición de fórmulas y desarrollar sus prácticas a partir de un marco teórico sólido.

Este tercer volumen enseña a analizar y reducir problemas cuyas causas no pueden distinguirse en casos individuales. Basándose en una metáfora inédita con la óptica, explica cómo calibrar los recursos analíticos en función de la mejora buscada. Muestra cómo utilizar las pruebas de hipótesis para identificar palancas de mejora útiles, evaluar de forma realista las ganancias alcanzables y determinar si las soluciones propuestas pueden lograr el objetivo. Este libro está dirigido a profesionales de Six Sigma y a usuarios del análisis estadístico que deseen aprovechar al máximo el potencial de toma de decisiones que ofrecen los conjuntos de datos pequeños.

Resumen :

El %GRR y el Número de Categorías Distintas (NDC) se utilizan ampliamente como indicadores de la capacidad del sistema de medición. Sin embargo, a la fórmula de cálculo del NDC habitualmente aceptada se le asigna un coeficiente cuyo origen ha dado lugar a la coexistencia de dos interpretaciones diferentes y engañosas del NDC. Recomendamos eliminar este coeficiente para mantenernos fieles a la definición de resolución del sistema de medición o al concepto equivalente de relación señal/ruido. También proponemos una realineación de los umbrales de aceptación de %GRR y NDC.

Resumen :

Como parte de la fase de Medición de un proyecto Six Sigma (DMAIC), es clave determinar el tamaño de muestra adecuado dada la precisión estadística necesaria en la estimación de la capacidad del proceso (definida aquí como la proporción esperada de unidades defectuosas). A los profesionales de Six Sigma se les suele enseñar a utilizar una regla empírica (omitiendo así el requisito de precisión) o una fórmula de tamaño de muestra que permite especificar la precisión requerida. Si bien dicha fórmula se proporciona para datos binarios, cuando se trata de datos de recuento de defectos, la fórmula habitual que se enseña sirve para estimar el número medio de defectos por unidad y no la proporción de unidades defectuosas (es decir, la tasa de defectuosos). Este artículo elabora una fórmula y tablas derivadas para calcular el tamaño de muestra requerido para lograr la precisión estadística necesaria sobre la tasa de defectuosos cuando se trabaja con una métrica de recuento de defectos. A la inversa, se calcula la precisión obtenida para un tamaño de muestra dado. A continuación, los resultados se comparan con los de los datos binarios y se sugiere que vale la pena considerar el cálculo del tamaño de muestra para datos binarios como una alternativa más fácil de usar y aceptable. También se destaca el desafío que supone obtener precisiones aceptables debido a los requisitos de tamaño de muestra cuando se opera con tasas de defectuosos bajas.

Resumen :

Como parte de la fase de Medición de un proyecto Six Sigma (DMAIC), es clave determinar el tamaño de muestra adecuado dada la precisión estadística necesaria en la estimación de la capacidad del proceso (definida aquí como la proporción esperada de unidades defectuosas). A los profesionales de Six Sigma se les suele enseñar a utilizar una regla empírica (omitiendo así el requisito de precisión) o una fórmula de tamaño de muestra que permite especificar la precisión requerida. Si bien dicha fórmula se proporciona para datos binarios, cuando se trata de datos continuos, la fórmula habitual que se enseña sirve para estimar la media y no la tasa de defectuosos. Otras alternativas se basan en calcular el tamaño de la muestra a partir de la precisión de los índices de capacidad del proceso diseñados para la industria manufacturera. Sin embargo, estos índices técnicos a menudo no son relevantes para la mayoría de los usuarios y directivos que no trabajan en entornos de producción específicos. Este artículo elabora soluciones para calcular el tamaño de muestra requerido para lograr la precisión estadística necesaria sobre la tasa de defectuosos cuando se trabaja con una métrica continua, tanto en el caso de un límite de especificación como de dos. A la inversa, se calcula la precisión obtenida para un tamaño de muestra dado. También se resalta el desafío de evaluar niveles elevados de rendimiento Sigma debido al tamaño de muestra requerido.