Proyecto DMAIC — Elaboración de crayones amarillos

Edith Gómez Sánchez ID: 1065028

Pedro De Padua Escobar ID: 1065529

Carlos Andrés Mayers Ruiz ID: 1065814

Marcella Dicarlo Quiñones ID: 1065525

Breve descripción del problema

Nuestro problema del proyecto es la creación de crayolas con buena pigmentación y una contextura agradable al tacto, para el agrado de nuestros clientes.

Contexto del proyecto

Este es un proyecto elaborado para la asignatura Control de Calidad, impartida en el Instituto Tecnológico de Santo Domingo por la profesora Jessica Pamela Feliz Garrido.

Introducción

Este trabajo tiene como objetivo realizar un proyecto bajo la metodología DMAIC, un proceso basado en la producción de crayolas. Cada equipo está representado por un color, siendo este el que caracterice dicho producto.

Se desarrollarán las fases de la metodología: Define, Measure, Analyze, Improve y Control. Se verá la importancia de cada una de ellas, así como sus resultados y análisis. Es un proyecto que busca el trabajo en equipo, la creatividad, y el reforzamiento de conceptos dados en clase.

Las variables a medir son: Variación de la longitud de la crayola (como variable continua), y una lista de defectos consideradas que pudiesen tener las crayolas. Entre los indicadores a usar para la variable continua tenemos el Cp y Cpk para reflejar la capacidad potencial y real del proceso, y para la de atributos el DPU.

Los objetivos en sí del proyecto son: Para la finalización del proyecto queremos que el proceso quede libre de causas especiales, es decir que esté en control estadístico. También nos proponemos lograr que las crayolas coloreen con un tono fuerte de amarillo. Otro objetivo nuestro es cumplir con las especificaciones, es decir, producir crayolas con una longitud ideal de 3.15 cms, teniendo una longitud mínima de 3.0 cms y una superior de 3.3 cms. Además, con relación a la producción, nos planteamos como meta obtener un Cpk mayor que 1, y, como ideal, un Cpk de 1.45. Con relación al Cp, nos planteamos un Cp mayor a 1, y uno ideal de 1.25. Por último, queremos que, de la cantidad de defectos tomados en cuenta, lo máximo que se tenga por cada crayola sea 3, y lo ideal sería 1.

Video del Proyecto

Define

Informe

Nuestro problema del proyecto es la creación de crayolas con buena pigmentación y una contextura agradable al tacto, para el agrado de nuestros clientes. Seleccionamos este problema debido a que muchas de las compañías dominicanas que producen crayolas no brindan productos que coloreen adecuadamente, además al usar las crayolas sin la envoltura, se resbalan de las manos. Por lo tanto, con nuestras crayolas, queremos lograr la satisfacción de nuestros clientes potenciales, ayudándolos en la creación de buenas obras de arte.

Así que nuestro problema se basa en que las crayolas producidas en el mercado dominicano tienen una mala pigmentación lo que resulta en tonos variables en dibujos realizados con los mismos. En adición, cuando se trata de colorear sin la envoltura, los dedos se resbalan hacia la punta de la crayola, lo que puede producir errores al momento de dibujar, y disconformidades en el usuario.

Llevaremos a cabo el proceso en varias etapas, enumeradas a continuación:

1. En una tabla, cortar en pedazos de la cera de abeja y parafina en cantidades equivalentes

2. Calentar los trozos de cera de abeja y parafina en una olla, y agregar pintura al óleo de color amarillo, convirtiéndose en una mezcla

3. Engrasar los moldes con aceite vegetal

4. Verter los líquidos en los moldes, y dejarlos secar en molde de reposo

5. Sacar las crayolas de los moldes cuidadosamente

Dentro de los materiales que intervienen en el proceso se encuentran cera de abeja, guantes, pintura al óleo de color amarillo, cuchillos, tabla de cortar, un molde de reposo para la mezcla, un pie de rey para las mediciones, computadoras, parafina, martillo y un análisis cliente-proceso que consta de un SIPOC y un diagrama de afinidad.

Por otra parte, las especificaciones del proceso incluyen que se deben usar como mínimo 100 moldes de flores, echar la pintura al estar formada la mezcla de la cera de abeja y parafina. Se deben utilizar guantes para realizar el proceso y rellenar bien los moldes de flores, evitando desbordamiento. En adición, es necesario retirar las crayolas con cuidado de los moldes y enumerar los crayones. También es importante llenar los moldes con la mezcla con un máximo de 3.3 cms, y mínimo de 3.0 cms. Lo ideal es de 3.15 cms.

Entre nuestros objetivos tenemos los siguientes: Para la finalización del proyecto queremos que el proceso quede libre de causas especiales, es decir que esté en control estadístico. También nos proponemos lograr que las crayolas coloreen con un tono fuerte de amarillo. Otro objetivo nuestro es cumplir con las especificaciones, es decir, producir crayolas con una longitud ideal de 3.15 cms, teniendo una longitud mínima de 3.0 cms y una superior de 3.3 cms. Además, con relación a la producción, nos planteamos como meta obtener un Cpk mayor que 1, y, como ideal, un Cpk de 1.45. Con relación al Cp, nos planteamos un Cp mayor a 1, y uno ideal de 1.25. Por último, queremos que, de la cantidad de defectos tomados en cuenta, lo máximo que se tenga por cada crayola sea 3, y lo ideal sería 1.

El presupuesto planteado es el siguiente:

Para nuestro proyecto seleccionamos dos variables, una de tipo continua y otra de atributo. Como nuestros consumidores consideran que un factor importante para la calidad es el hecho de que los crayones estén sin defectos, entonces seleccionamos como variable de atributo la cantidad de defectos por unidad. Además, seleccionamos la longitud de la crayola en centímetros como variable continua, ya que consideramos que es importante que los crayones tengan una apariencia uniforme ante los clientes. Como nuestra variable continua a medir es la longitud de las crayolas, utilizaremos los siguientes indicadores. En primer lugar, el Cp; utilizaremos este para saber si el proceso cumple con las especificaciones de longitud de las crayolas. También consideraremos el índice Cpk; utilizaremos este para saber si se incumple algunas de nuestras especificaciones de la longitud de las crayolas. Por último, tendremos en cuenta el DPU; este indica los defectos encontrados en una cierta cantidad de unidades inspeccionadas. Lo usaremos para medir la cantidad de defectos encontrados por cada crayón.

Primeramente, seleccionamos los indicadores de corto plazo ya que el proyecto es completamente nuevo, y contamos con un corto tiempo para finalizar el proyecto. Elegimos el Cp y el Cpk ya que la variable continua que nos interesa es la longitud, la cual se puede cuantificar fácilmente. Seleccionamos el DPU porque podemos observar defectos sin necesidad de dañar la integridad del producto final.

Utilizaremos un muestreo aleatorio simple. Seleccionamos un tamaño de muestra de 60 unidades para así poder inferir acerca de la población. Para dicho muestreo utilizaremos una caja con la numeración de las crayolas en papeles para poder seleccionar dicha crayola de nuestro inventario. Esto se realizará repetidas veces hasta completar el tamaño de nuestra muestra. Se harán las mediciones correspondientes a las piezas, almacenando la información en Minitab y Excel.

Nuestra fecha meta para finalizar esta fase del proyecto es el 21 de marzo de 2018. Pudimos cumplir con la meta fijada en este tiempo, debido a la programación de actividades en el equipo, para poder establecer esta etapa. Sin embargo, finalizamos un poco después de lo previsto debido a la realización de varias revisiones y alteraciones al informe para llevar a cabo exitosamente dicha fase. En conclusión, en esta etapa, como indica el nombre, definimos el proyecto en todos los aspectos que se trabajará durante el tiempo establecido. Es importante tomarla en cuenta para las próximas etapas, donde se busca mantener el orden y cumplir las metas.

Anexos:

Herramientas:

SIPOC:

Parámetros controlables del proceso:

· Tiempo de calentar la cera de abeja y la parafina

· Proceso de secado con normalidad (en moldes de reposo)

· Lograr color amarillento en la mezcla

· Tener trozos equivalentes de parafina y cera de abeja

Parámetros no controlables del proceso:

· Rellenar los moldes con una cantidad 100% exacta

· Proceso de secado, puede variar por la temperatura

· Sacar la crayola sin problemas, sin este sufrir algún daño

· Que la crayola adquiera 100% la pigmentación amarilla

Resultados indeseados para las salidas:

· Crayolas con problemas (rayado, golpe), debido al proceso de sacarlos

· Que se dañe un molde en el proceso

· Que no se sequen bien las crayolas

Aspectos claves de inspección para las entradas (Si no se toman en cuenta, serían defectos):

· Tener la cantidad suficiente de parafina y cera de abeja

· Tener cantidad suficiente de moldes

· Tener cantidad suficiente de pintura amarilla

· Pie de rey calibrado

· Cuchillo que permita cortar sin problemas

· Cada integrante del grupo debe tener guantes amarillos, para precaver

Diagrama de Afinidad:

La elección del diagrama de afinidad se debe a querer investigar las características que el cliente considera que son críticas para definir una crayola de calidad, y vemos que ciertas características críticas son: Buen tono de color al pintar, que no se rompa con facilidad, y no dañinas. Esta información fue recolectada gracias a la voz del cliente.

Anexos:

Project Charter:

Anexos:

Planificación:

Measure

Informe

Como habíamos establecido en la Fase DEFINE, tomamos como variable continua la longitud de las crayolas (medidas en centímetros), midiéndose de esta forma nuestras 100 crayolas (los resultados de la población se encuentran anexados al final). Nuestra variable de atributo escogida fue la cantidad de defectos por pieza. Utilizando muestreo aleatorio simple, seleccionamos una muestra de 60 crayolas y realizamos las mediciones de las variables continua y de atributo, mostradas a continuación:

*Los defectos posibles los enumeramos y definimos a continuación (aquellos defectos que fueron considerados, pero no observados, estarán en cursiva):

Ø Abollado: Es cuando una crayola presenta una hendidura en alguna de sus partes.

Ø Rayado: Es cuando presenta un rasguño o alguna línea en los lados de la crayola.

Ø Roto: Cuando alguna de las partes está desprendida, la crayola no se ve completa.

Ø Grumos: Cuando existe alguna protuberancia o alguna burbuja. Pueden ser algunos hoyos.

Ø No pinta: Cuando el color no se presenta en la superficie del papel.

Ø Deformado: Cuando la crayola presenta una forma distinta a la esperada.

Ø Diferencia de color: Cuando existen distintos tonos de amarillo en la crayola.

Ø Sucio: Cuando la crayola presenta impurezas en la superficie.

Ø Baboso: Cuando la textura de la crayola es resbalosa.

Ø Olor desagradable: Cuando la crayola huele mal.

Estadísticos descriptivos de cada variable y conclusión de la distribución

A continuación, presentamos los estadísticos para las variables a medir de las crayolas:

La media del alto de las crayolas es 3.1337 cm de alto, y su desviación estándar de 0.0391 cm.

Referente a la cantidad de defectos, obtuvimos que el único defecto que no fue observado en toda la muestra fue el olor desagradable, y que el máximo de defectos que presenta una crayola de la muestra son 5, viéndose en las crayolas 61, 89 y 96. Hubo una crayola con cero defectos de los posibles, siendo la número 3. El número promedio de defectos por crayola fue de 2.78 defectos. Este promedio fue calculado en base a la muestra de las 60 crayolas, por ende, no se tiene el promedio de defectos de la población ni la desviación estándar poblacional de dicha variable; este error no pudo ser corregido de antemano ya que se notó el mismo luego de entregar las crayolas a la docente.

Del mismo modo, pudimos observar en el histograma, visto más adelante, que los datos no parecen seguir una distribución normal. Sin embargo, posteriormente se verificará esto con una prueba de hipótesis. Otros detalles del histograma se analizarán en la sección correspondiente.

Equipo de medición utilizados:

Para medir se utilizó un pie de rey análogo. Describiendo el equipo escogido, es un instrumento de la compañía PRETUL, capacitado para medir longitudes, hecho de metal, y tiene distintas formas de medición (en pulgadas y centímetros). El error de medición es de 0.05 milímetros y la resolución es de 0.01 cm. No tenemos conocimiento acerca de la calibración de este instrumento, ya que fue prestado.

Procesos:

Para la elaboración de las crayolas:

El proceso fue realizado el 23–24 de marzo del 2018.

En el caso de las 100 crayolas, el registro de las mediciones fue el siguiente:

· Pedro De Padua, midió las piezas desde la 1 hasta la 40, y la pieza 93.

· Carlos Mayers, midió las piezas desde la 41 hasta la 70.

· Las restantes fueron medidas por Edith Gómez.

Todo esto fue realizado desde las 10:00 a.m. hasta las 12:00 p.m., del día 26 de marzo del 2018.

Para el R&R, el proceso consistió en medir 10 piezas de tal forma que estas representaran la total variación del proceso (mostrada después en la tabla), utilizando un pie de rey. Los operadores que midieron fueron Edith Gómez y Pedro de Padua, realizándose dos ensayos. Este proceso de medición fue corregido, y la última fue realizado el 14 de abril del 2018, desde las 4:00 p.m. hasta las 6:00 p.m., en INTEC. Las mediciones fueron realizadas en un curso (GC 110), en la misma silla. Marcella Dicarlo tomó los apuntes.

En referencia a los defectos, estos fueron medidos por Carlos Mayers, Pedro De Padua y Edith Gómez, según el orden en el que obtuvimos la muestra. Marcella Di Carlo tomó los apuntes de los defectos observados. Esto se realizó el 26 de marzo del 2018, desde las 4:00 p.m. hasta las 6:00 p.m.

Fecha de Finalización actual y real

La fecha real es el domingo 1ro de abril, y efectivamente fue el día de finalización de la etapa. Pudimos haber terminado el 28 de marzo, pero tuvimos que tomarnos un tiempo para realizar todos los análisis y utilizar todas las herramientas adjuntas.

Herramientas

Histograma de variable continua (longitud en cm de la altura)

Vemos en este caso que la media es de 3.134 cms de alto, y la desviación estándar es de 0.03914 cms. Creemos que la distribución no parece ser normal, además de que los datos están centralizados. Hay poca variabilidad, ya que el ancho del histograma cabe dentro de las especificaciones, y se nota un comportamiento de los datos de forma achatada. Es posible que existan datos atípicos, lo cual deben ser graficados en el diagrama de caja para confirmarlo. El proceso es capaz.

Podemos calcular el k para verificar centralizado:

Vemos que K<20%, así que esto indica que el centralizado del proceso es adecuado. Y además, es capaz de cumplir con las especificaciones.

Histograma para datos de atributo:

Vemos que los datos están centrados en 3 defectos, lo cual indica que la mayor cantidad de crayolas de la muestra tienen 3 defectos, de los 10 posibles que definimos. Es importante destacar que estos datos siguen una distribución de Poisson. Creemos que es una cantidad de defectos considerable, ya que es un proceso realizado por primera vez, además de que es casero.

Diagrama de caja para variable continua:

En este caso, vemos que los datos no están tan centralizados, donde el centro de los datos no se concentra en el valor objetivo. Vemos que hay poca variabilidad, ya que los datos caben dentro de las especificaciones. Además, no vemos sesgo, y se rechaza que existan datos atípicos.

Diagrama de caja para datos de atributos:

Aquí vemos una situación similar que el histograma, donde los datos se centran a 3 defectos, y se varía desde 5 defectos a 0 defectos. Fijamos como cantidad de defectos satisfactorios 3 defectos, tomando en cuenta las características de los defectos. También creemos que es una cantidad de defectos considerables, ya que se tomaron en cuenta 10 posibles defectos.

Prueba de Normalidad:

Primero, colocamos las hipótesis:

La prueba se realizará con un nivel de significación de 0.05.

Utilizando Prueba de Normalidad en Minitab, la de Anderson Darling, tenemos:

Vemos que no se rechaza

, ya que tenemos un p-value de 0.097, que es mayor a 0.05. Por lo tanto, no tenemos suficiente información para rechazar que la distribución del alto de las crayolas sigue una distribución normal. No obstante, debido a la forma de la gráfica es posible que nuestro instrumento de medición posea baja resolución, dicho supuesto será confirmado al realizar un estudio R&R.

Cálculo de índices de capacidad:

Para variable continua:

Tenemos un Cp de 1.29, que indica que el proceso es de clase 2, es decir, que es parcialmente adecuado, pero requiere de un control estricto. Tenemos un Cpk de 1.15, que indica que el proceso cumple con las especificaciones, pero debe ser estrictamente controlado. Indica que el proceso es capaz a corto plazo. El CPL es de 1.15, la cual indica que el proceso cumple con la especificación inferior, pero debe ser controlado. El CPU es de 1.43, que indica que el proceso para cumplir con la especificación superior es satisfactorio. Por otra parte, el Pp de 1.28 nos dice que el proceso tiene una capacidad potencial a largo plazo parcialmente adecuada. Además, el índice Ppk de 1.14 indica que el proceso cumple con las especificaciones a largo plazo, pero debe ser estrictamente controlado. Cabe destacar que como el PPU de 1.42 es mayor que el PPL de 1.14, entonces se puede decir que el proceso tiende a cumplir mejor a largo plazo la especificación superior que la inferior.

Para datos de atributos:

Analizamos el DPU, que es la cantidad de defectos por unidad. Colocamos los datos de la muestra en Minitab, y la cantidad de defectos que tiene cada unidad de los posibles. Obtuvimos:

En este caso vemos que la DPU es de 2.78, lo cual indica que la cantidad de defectos por unidad es 2.78. Además, la probabilidad de producir una unidad sin defectos es de 6.2%. Consideramos que este rendimiento es aceptable para las circunstancias en cómo se crearon las crayolas, además de que es la primera vez que se hacen. El total de defectos en las 60 crayolas seleccionadas es de 167. Sin embargo, debemos tener en cuenta que nuestra especificación es de 3 defectos por unidad, y en nuestro análisis se ve como varias de las piezas superan esta especificación.

Cartas de control:

Se realizaron las siguientes gráficas:

Con una muestra de 60 crayolas, hicimos la gráfica Xbar-R:

También utilizamos una Carta I-MR (con los 60 elementos):

No usamos la carta

porque se necesita una muestra mínima de 200 elementos.

En los datos de atributo:

No utilizamos la gráfica de control P o NP porque estamos evaluando la cantidad de defectos por unidad. Por lo tanto, utilizamos la carta U (con tamaño constante):

Opcionales:

R&R para datos continuos:

Utilizamos R&R para ver qué tanto aporta la variación de la repetibilidad y reproducibilidad en el sistema. Escogimos diez piezas ordenadas de menor a mayor, que reflejarán la variación total de la población. Se realizaron dos ensayos aleatorizando las piezas seleccionadas. Las piezas fueron: 70, 95, 32, 37, 17, 5, 67, 96, 91, 14.

Los operadores fueron:

· Operador A- Pedro De Padua

· Operador B- Edith Gómez

Introduciendo los datos en Minitab, utilizando el método Xbar-R, tenemos:

Estudio R&R del sistema de medición — Método XBarra/R

· Conclusiones sobre la repetibilidad respecto a las tolerancias: Como el índice es de 41.07%, que es mayor que 30%, el proceso es inaceptable y debe corregirse.

· Conclusiones sobre la reproducibilidad respecto a las tolerancias: Como el índice es de 34.87%, que es mayor que 30%, el proceso es inaceptable y debe corregirse.

· Conclusiones sobre el R&R respecto a las tolerancias: Como el índice es de 53.88%, que es mayor que 30%, el proceso es inaceptable y debe corregirse.

La contribución de la variación de las partes es de 55.17%, por lo que la mayor parte de la variación del proceso es explicada por las partes medidas. Pero como es una diferencia muy poca en comparación la del 44.83% del R&R, no es tanto lo que la diferencia de las partes explica la variabilidad. Como el Number of Distinct Categories es 1, que es menor que 2, el sistema de medición no puede distinguir entre partes.

Por este resultado del nc, la resolución del instrumento de medición es claramente inadecuada y debe cambiarse.

Por el Cp obtenido, podemos ver que el proceso tiene una capacidad potencial aceptable. Así que las deficiencias del sistema de medición no son un problema crítico para nosotros.

Análisis de los gráficos

Analizando el gráfico de componentes de la variación notamos que la mayor contribución de la variación está dada por las partes, pero no es suficiente para pensar que el sistema de medición realmente distingue entre estas.

Analizando el gráfico R, el operador A tiene un punto que se sale del límite de control, así que este no mide las partes con uniformidad. Por otra parte, el operador B, no tiene un punto fuera del límite de control.

Analizando el gráfico Xbar, podemos ver que ambos operadores tienen puntos fuera de los límites, y que este gráfico se encuentra fuera de control. Como hay mucha variación, se eligieron las partes que reflejan todo el espectro de la producción, esto es un resultado deseado.

Analizando Medición by Pieza, los puntitos están muy separados entre sí, así que hay mucha variación respecto a la reproducibilidad. Sin embargo, se ven diferencias entre las piezas, así que se puede diferenciar un poco entre las partes.

Analizando el gráfico de Medición by Operador, notamos que el operador A tiene un sesgo a medir por debajo de lo que realmente debería. Y observando la diferencia entre las medianas, vemos que el operador A obtiene mediciones más bajas que el operador B.

Mediciones y parámetros de la población:

Anexos

Instrumento de medición:

Analyze

En esta fase se determinaron las causas raíces que ocasionaron los problemas definidos para la variable continua y los defectos escogidos. Los problemas definidos son: Variación de longitud (variable continua), y sucio y color no uniforme (variable de atributo).

Se realizaron dos lluvias de ideas para determinar las diferentes causas aparentes de los problemas de las dos variables. Después las ideas se organizaron en un diagrama de afinidad, para luego crearse los diagramas del árbol. Se tomaron causas de primer nivel definidas en el diagrama del árbol, que se consideraron los que más impactaban a los problemas. A ellos se le aplicaron los 5 por qué, para determinar las causas raíces, y comparar su importancia con el diagrama de interrelación.

Las causas primarias escogidas del sucio y color no uniforme fueron: Cansancio al hacer la mezcla, el molde estaba sucio desde antes, las partículas en la cera de abeja quedaron en la mezcla, se movió el molde de secado a la hora de llevarlo a secar, y vaciado de la mezcla en más de una cucharada. Las causas raíces determinadas fueron: Falta de planificación, no tener un instrumento adecuado para resistir al calor, proceso no estandarizado, y no haber trabajado con este tipo de materia prima.

Las causas primarias escogidas para la variación de longitud fueron: Se vertió diferentes cantidades de mezcla en los moldes, se sacaron las crayolas calientes de los moldes, instrumento no funcionaba bien, y modo de medir erróneo. Las causas raíces determinadas fueron: Desconocimiento de los efectos del modo de verter la mezcla en los resultados del proceso, falta de lectura detallada de los contenidos y requerimientos del Measure, no se apreciaba la importancia de tener un equipo que reúna las condiciones necesarias para reflejar datos certeros del proceso, y falta de planificación y realización de una prueba piloto con más antelación al inicio de producción

Estas causas raíces serán analizadas en la fase Improve, para hallar sus respectivas soluciones e implementación de estas. Con relación a las cartas de control obtenidas en la etapa Measure, tenemos la carta

, donde, en primer lugar, se analizó la carta R, y en esta se pudo ver que no hay ningún punto fuera de los límites de control. Además, no se observó ningún ciclo, ni tendencias de crecimiento ni decrecimiento. En adición, los datos no presentaron abrazar los límites de control ni la línea central, aunque subjetivamente se notó un comportamiento extraño a partir del dato 9, donde los puntos se encontraban cerca de la línea central. En segundo lugar, en la carta

se vio que no había punto fuera de los límites de control, sin embargo, se notaron ciertos comportamientos extraños: Al principio los datos se comportaron por debajo de la línea central, casi abrazándola, y notándose indirectamente un comportamiento predecible (ciclos) hasta el dato 11. Luego, a partir del dato 12, el comportamiento del promedio de las crayolas dio un cambio brusco, moviéndose por encima de la línea central. Esto sucedió debido al cansancio que se tuvo a la hora de producir las crayolas, ya que, por algunos imprevistos, se comenzaron a hacer de noche, y luego de varios lotes (se hicieron 7), se enfocó en obtener las crayolas en sí, sin concentrarse bastante en el proceso. Existieron ciertos descuidos a la hora de verter la mezcla en los moldes. Se incumplió una de las reglas, donde 4 de 5 puntos consecutivos estuvieron por encima de la línea central, viéndose en el último punto, ocasionado por lo explicado anteriormente. No se observó tendencias. Por lo explicado anteriormente, tomando en cuenta esta carta, se concluye que este proceso no se encontró en control estadístico.

Para la carta I-MR, en primer lugar, analizado la carta de los rangos móviles, se notó una falta de tendencias, de cierto comportamiento de ciclos en los extremos de la carta, además de que se incumplió la regla de 9 puntos consecutivos en el mismo lado de la línea central, viéndose en los puntos 29,30,31,32,33 y 34; pensamos que esto ocurrió por el hecho de que en el lote correspondiente a dichos datos se esperó más tiempo de secado antes de sacar las crayolas del molde, esto pudo hacer que las mismas quedaran con formas más regulares y por ende los rangos móviles presentados en la carta se presentan por debajo de la línea central. En este caso se notó variación de la longitud de las piezas de la muestra. Por otra parte, analizado la carta I, se notó un incumplimiento de una regla: 4 de 5 puntos consecutivos por encima de una desviación estándar, y en el mismo lado de la línea central lo cual indica un cambio en las mediciones de las crayolas; este hecho creemos que sucedió a que las piezas finales se dejaron reposar menos tiempo en el molde antes de ser sacadas. No se notaron ni ciclos ni tendencias, pero concluimos que muchos de los datos se concentran cerca de la línea central. Por lo tanto, podemos concluir que el proceso no estuvo en control (no es estable).

Por último, en la carta U de defectos, se pudo concluir de cierta forma que el proceso no estuvo en control (inestable), ya que se incumplió con una de las reglas estipuladas, 9 puntos consecutivos en el mismo lado de la línea central. Al principio de incumplió esta regla por debajo de la línea central, viéndose en los datos 10,11 y 12, y luego se incumplió por encima de la línea central, viéndose en los datos 47,48,49 y 50. Creemos que este incumplimiento se presentó por el cambio que realizamos en el medio del proceso de producción; como los lotes estaban durando mucho tiempo en secar y estábamos a contratiempo, entonces decidimos acelerar esta etapa de secado al colorar el molde en una bandeja de metal y en esta vertimos agua fría de forma que se distribuyera el calor de la mezcla. Este cambio en el proceso parece haber causado un aumento en la cantidad de defectos en las crayolas. No se vio indicios de tendencias, pero subjetivamente una cierta condición de ciclos. Sin embargo, se pudo notar una cierta condición de que tal vez en este caso se estuvo abrazando la línea central, por el comportamiento observado de las piezas de la muestra, que se mantuvieron en la zona C (por encima y por debajo de una desviación estándar).

De forma general, se llegó a la conclusión de que las situaciones presentadas en las cartas de que el proceso no estuvo en control se debieron a la hora en la cuales se produjeron las crayolas, ya que era de noche, y se estaba cansado. Habían ocurrido ciertos imprevistos antes de crearse las crayolas, lo cual afectó la productividad de los integrantes, pudiéndose ver el caso de mal manejo de las materias primas y herramientas, y querer acelerar el proceso sin tomar en cuenta las consecuencias. Esto pudo afectar tanto a la variación de longitud como el sucio y color no uniforme. Estas situaciones serán tomadas en cuenta para la otra etapa de producción, para reflejar una mejora. Se debió planificar de forma adecuada.

La fecha de finalización de esta etapa fue realizada en la misma que fue programada (15 de abril del 2018), ya que se planificó con anterioridad cómo se iba a efectuar esta fase, además de que fue realizada en conjunto.

Después de haber hecho todas las fases, con relación a la variación de la longitud, consideramos que una causa importante pero que no se tomó en cuenta fue la irregularidad de los moldes, quizás si hubiésemos tenido unos moldes con forma regulares, podríamos haber obtenido mejores resultados. Otra causa que pudo haber afectado la longitud de las crayolas es la deformación de los moldes por calor de la mezcla. Esta causa ni la tomamos en cuenta porque no veíamos realísticamente formas de resolverlo. Por último, está la causa de moldes con orificios distintos, que hasta el final del proyecto no se nos ocurrió que, en realidad, aunque los moldes son comprados, podían tener orificios distintos y por lo tanto resultaban crayolas de tamaños distintos en cada molde.

Anexos:

Lluvia de ideas para la variación de longitud (variable continua):

1. Modo de medir erróneo

a) Medición errónea

b) Porque operadores no midieron bien

2. Operadores no manejan bien el instrumento

a) Cómo usar instrumento correctamente

b) Operadores no saben usar equipo

3. Cansados al medir

a) Agotamiento de los operadores

4. Problemas de operadores

5. Un operador midió más que otro

6. Mala percepción de operadores

7. Problemas visuales del operador

8. Inquietud al momento de medir

9. Mediciones realizadas con otros procedimientos

a) Procedimientos distintos de medición

b) Formas de medir de cada operador

10. Uso de varios operadores

a) Varios operadores midiendo

11. Distracciones de los operadores

a) Distracción de operadores con otros equipos

b) Distracción de operadores entre ellos mismos

12. Mala comprensión de la precisión del pie de rey

13. Utilizar otro punto de origen de medición

a) No medir en un lugar fijo crayola (operadores)

14. Instrumento sucio

15. Instrumento viejo

16. Instrumento no calibrado

a) Material mal calibrado (pie de rey)

17. Instrumento no funcionaba bien

18. Pedir instrumento compañero

19. Poca resolución en los equipos

a) El instrumento de medición no tiene la resolución apropiada

b) Poca resolución del instrumento

20. Molde irregular

a) El molde no es uniforme

21. Molde con orificios distintos

22. Un solo molde, afectando el secado

23. Molde muy grande

24. Deformación molde por calor mezcla

25. Diferente proporción materiales

a) Proporción inadecuada de materia prima (cera y parafina)

26. Se vertió diferentes cantidades de mezcla

a) Cantidad distinta mezcla en moldes (verter)

27. Temblor al mover moldes

28. Manejo inadecuado de la mezcla

29. Forma de verter mezcla

30. Verter mezcla en 2 o más cucharadas

31. Desconocimiento del proceso

32. Poca experiencia en procesos

33. Cansancio al verter

34. Se derramó mezcla al verter

35. Distracciones al momento de verter mezcla

36. Se hicieron de madrugada

a) Tiempo de noche haciéndose las crayolas

37. Realizar varios lotes

38. Se contraían al momento de secado

39. Problemas al secar las crayolas del molde

40. La temperatura para sacarlas no era óptima

41. Se sacaron calientes de los moldes

42. Manera brusca de sacar las crayolas de los moldes

43. Abanico hace mover mezcla al secar

44. Hundimiento de la mezcla al secar

45. Empuje al sacar mezcla de moldes

46. Falta de tiempo de secado

a) Proceso de secado rápido

47. Deformación de la mezcla (secado)

48. Diferencia entre las piezas

49. Deformaciones debido a mediciones anteriores

50. Deformación por el calor

51. Deformación por manoseo (manejo constante)

a) Se manipularon demasiado

52. Deformaciones naturales por el proceso

53. Se gastaron antes de medirlos

54. No se almacenaron correctamente

55. Diferencia de ambientes de medición

56. Medir en asientos instintos

57. Factores externos que afectaron la percepción del operador

58. Tiempo en que se midió (Semana Santa)

59. El lugar donde se midió no adecuado

60. Condiciones ambientales

61. Tiempo para entregar trabajo

Nota: Las letras del abecedario (los incisos) indican ideas repetidas en el Brainstorm.

Diagrama de Afinidad variación longitud:

Los 5 por qué (variación longitud):

Causa: Se vertió diferentes cantidades de mezcla en los moldes

1. ¿Por qué?

Porque no se prestó atención al verter

2. ¿Por qué?

Porque pensábamos que no era de importancia

3. ¿Por qué?

Por desconocimiento de los efectos del modo de verter la mezcla en los resultados del proceso

Causa: Se sacaron calientes de los moldes

1. ¿Por qué?

Porque se esperaba poco tiempo de secado

2. ¿Por qué?

Porque queríamos terminar el proceso rápido y no sabíamos que estaban tibios todavía

3. ¿Por qué?

Porque no nos estábamos fijando en la temperatura con rigurosidad

4. ¿Por qué?

Porque no contábamos con tiempo suficiente para llevar a cabo la producción

5. ¿Por qué?

Por falta de planificación y realización de una prueba piloto con más antelación al inicio de la producción.

Causa: Modo de medir erróneo

1. ¿Por qué?

Porque no teníamos estandarizado el proceso de medición

2. ¿Por qué?

Porque no teníamos estipulado un lugar estándar de la crayola donde comenzar y terminar de medir

3. ¿Por qué?

Por falta de lectura detallada de los contenidos y requerimientos del Measure

Diagrama de interrelación de variable continua (variación de longitud):

Lluvia de idea para el sucio y color no uniforme (variable atributo):

1. Las partículas se hundían al fondo

2. Las crayolas se ensuciaron luego

3. Se ensuciaron dentro de la funda

4. Las crayolas se ensuciaron por el R&R

5. La pintura utilizada con otros materiales liberó impurezas

6. Partículas del aire ensuciaron a las crayolas

7. No se le sacaron los sucios de antemano

8. Los sucios de lotes anteriores se quedaron en la olla

9. Las crayolas se ensuciaron al ser medidas

10. No se limpiaron los materiales al inicio (cera)

11. No limpiar la cera de abeja

12. El recipiente donde se derritieron los materiales estaba sucio

13. No disolver correctamente la cera

14. Se movían mucho al ponerse a secar

15. No distribuir correctamente la parafina y la cera de abeja

16. El proceso de secado sufrió un cambio repentino

17. El recipiente se dejó enfriar mucho antes de verterse

18. Colocar la materia prima en el suelo

19. Falta de mezcla del color al calentar

a) La pintura (óleo) no se mezcló lo suficiente.

20. La mezcla se vertió lentamente

21. Poca documentación acerca del proceso

22. No tener los pasos adecuados de mezcla

23. Uso de un solo molde

24. No distribución uniforme de óleo

25. Hacerlo rápido

26. No se coló la mezcla

27. No se utilizó una pintura adecuada

28. No utilización de guantes

29. Poca mezcla en la olla

30. No utilizar bien la cera de abeja

31. No medir correctamente las proporciones de los materiales

32. No utilizar el fuego adecuado para mezclar materiales correctamente

33. No se batió la mezcla lo suficiente

34. Vaciado de la mezcla en más de una cucharada

a) Se terminó de llenar un molde luego de ya verterlo

b) Se vertió 2 veces en el mismo espacio del molde

c) Se vertió la mezcla por partes

d) Se vertió la mezcla varias veces

35. Aceite en los moldes

36. Cera descuidada

37. No buena pintura (marca)

38. Se utilizaron materiales no óptimos

39. La olla era muy grande

40. Mala calidad de materiales

41. Parafina descuidada

42. Problemas con los moldes (irregularidades)

43. Forma del molde

44. Se compró la cera a un vendedor informal

45. Solo tener un molde

46. Herramientas inadecuadas para medir materiales

47. Materiales mal limpiados (ollas)

48. Otra sustancia en el molde

49. Sucio en el molde

50. El molde estaba sucio desde antes

51. Sucios en la olla de mezcla

52. No se quitó el sucio de los materiales

53. Partículas en la cera de abeja

54. Se compró cera muy sucia

55. Parafina sucia

56. La cera de abeja tiene sucio de por sí

57. Se terminó de llenar un molde luego de ya verterlo

58. No distribuir correctamente la parafina y la cera de abeja

59. El proceso de secado sufrió un cambio repentino

60. El recipiente se dejó enfriar mucho antes de verterse

61. Colocar la materia prima en el suelo

62. El proceso de secado no fue uniforme en cada pieza

63. La mezcla se enfrió muy rápido

64. El sistema de secado cambió

65. La temperatura del lugar cambió durante el secado

66. Poca cantidad de óleo en la mezcla

67. Se movió el molde de secado

a) Movimiento del molde a la hora de llevarlo a secar

68. Varias personas mezcladas en el proceso

a) Utilización de personas no implicadas en el proceso

69. De noche no se veían bien los colores

70. Tiempo en hacerlo (de noche)

71. Inconvenientes tenidos en el día

72. Problemas personales

73. Distracción de las personas implicadas en el proceso de usar óleo

74. Cansancio al hacer la mezcla

a) Estábamos cansados

75. Era de madrugada

76. Hora de inicio del proceso

77. Espacio mezcla

78. Mala pigmentación de la pintura

79. Contextura de la cera de abeja

80. Contextura de la pintura

Nota: Las letras del abecedario (los incisos) indican ideas repetidas en el Brainstorm.

· Diagrama Afinidad sucio y color no uniforme:

· Diagrama del árbol de sucio y color no uniforme (variable de atributo):

Los 5 por qué sucio y color no uniforme:

Causa: Cansancio al hacer la mezcla/ Estábamos cansados

1. ¿Por qué?

Era de madrugada

2. ¿Por qué?

Porque se empezó a hacer la producción en la noche

3. ¿Por qué?

Porque surgieron múltiples imprevistos antes de empezar la producción

4. ¿Por qué?

Porque no se hizo una prueba piloto antes del inicio de la etapa Measure

5. ¿Por qué?

Porque hubo una falta de planificación

Causa: El molde estaba sucio desde antes

1. ¿Por qué?

Porque no se limpiaban los moldes luego de realizar cada lote

2. ¿Por qué?

Porque se quería realizar el proceso de manera rápida y sólo se disponía de un molde

3. ¿Por qué?

Porque estábamos cansados al realizar el proceso y se descontinuaron estos moldes

4. ¿Por qué?

Porque teníamos muchas horas trabajando en el trabajo

5. ¿Por qué?

Porque surgieron imprevistos antes de hacer la producción

6. ¿Por qué?

Por falta de planificación

Causa: Partículas en la cera de abeja quedaron en la mezcla

1. ¿Por qué?

Porque no colamos la mezcla antes de verterla

2. ¿Por qué?

Porque no teníamos un instrumento adecuado para resistir al calor

Causa: Se movió el molde de secado a la hora de llevarlo a secar

1. ¿Por qué?

Porque al verter la mezcla se debía caminar hacia el lugar de secado

2. ¿Por qué?

Porque no teníamos establecido un lugar de secado adecuado

3. ¿Por qué?

Porque el proceso no estaba estandarizado

Causa: Vaciado de la mezcla en más de una cucharada

1. ¿Por qué?

Porque no se llenaba bien la cuchara al verter la mezcla en cada espacio del molde

2. ¿Por qué?

Porque se trataban de llenar varios espacios con una sola cucharada

3. ¿Por qué?

Porque no sabíamos que la mezcla era de secado rápido

4. ¿Por qué?

Porque nunca habíamos trabajado con ese tipo de materia prima

Diagrama de interrelación de variable atributo (sucio y color no uniforme):

Consideramos que se utilizamos las herramientas adecuadas para encontrar las causas raíces, ya que aplicaron herramientas cualitativas para profundizar acerca de las causas aparentes, y se validó con las herramientas cuantitativas (Diagrama de interrelación). No se utilizaron otras herramientas (Pareto, Ishikawa, PFMEA, entre otras) porque creemos que utilizamos las herramientas necesarias para resolver los problemas en este proyecto, además, de la falta de tiempo.

En referencias, tenemos las dudas respondidas por la profesora, el libro de Gutiérrez: ‘’Control Estadístico de la Calidad y Seis Sigma’’, y los videos mostrados en el aula virtual, especialmente el de ‘’Herramientas de Calidad’’.

Improve

Realizamos una lluvia de ideas para proponer soluciones sobre las causas halladas en la fase de Analyze (están anexadas al final de la fase). Estas lluvias de ideas fueron separadas, una para las causas de defectos en la variable de atributo y otra para las causas de defectos en las variables continua. En general, depuramos las soluciones consideradas a continuación:

Soluciones depuradas

La metodología utilizada para evaluar las soluciones depuradas consistirá en verificar si las mismas tienen alguna relación con las causas raíces halladas en la fase anterior, es decir si la implementación de la solución corregirá una o varias de estas causas. Además, veremos cuáles soluciones realmente se pueden llevar a cabo, tomando en cuenta el precio que significaría ejecutarlas, como por el contexto en que nos hallamos y el realismo existente en la aplicabilidad de las soluciones. Consideraremos muchos otros factores, en igual relevancia, como determinar si su ejecución sería eficaz para nuestro proceso, tanto en la reducción de las causas raíces relativas, como en lo aplicable que puede llegar a ser para nuestro proceso. En general, buscamos soluciones que arreglen las causas que hallamos, que puedan ser implementadas por nosotros.

Luego de evaluar las soluciones depuradas, realizamos un proceso de selección de las soluciones más factibles y convenientes para nuestro proceso. El proceso consiste en debatir cada solución a fin de seleccionar aquellas que cumplen con la mayor parte de nuestros criterios de evaluación, determinar la cantidad de causas que corregiría la implementación de esta causa, así como el grado en que las corregiría/prevendría posteriormente. Consideramos que necesitamos tener una cantidad mínima de soluciones, a fin de garantizar la cobertura de la mayor cantidad de causas raíces, y que las soluciones sean tan globales como sea posible, en el sentido de que agrupen otras soluciones propuestas. Por último, e igualmente relevante, como factor a considerar para seleccionar las soluciones está el tiempo que duraría para implementarse, el cual debe ser el menor posible.

A continuación, presentamos las soluciones seleccionadas a partir de los criterios susodichos:

Razones por la cual se tomaron estas soluciones:

Variable de atributo:

· Se escogió la de tener las herramientas adecuadas y necesarias (colador metálico y cuchara honda), ya que esta solución permitiría que las crayolas no queden sin color uniforme, para evitar el caso de que no se haya echado la cantidad de mezcla suficiente en una forma del molde, (la cuchara era pequeña anteriormente). Además, el colador permitiría evitar que las partículas no deseadas de la cera de abeja se reflejen en las crayolas, eliminando el sucio.

· El de usar más de un molde es efectivo ya que se evitarían tener errores a la hora de no limpiar correctamente el molde (teniendo uno) para ser utilizados en la producción de los próximos lotes. Las partículas de los lotes anteriores podían quedarse en el fondo del molde si no eran limpiados correctamente, y afectar a los nuevos lotes. Creemos que esto sucedió debido a la hora en que se realizaron las crayolas.

· La de verter rápidamente la mezcla en los moldes: Ya que se evitaría que la mezcla se seque rápido, y así no se tengan crayolas con colores no uniformes.

· Secar los moldes cerca del área de producción: Evita que las crayolas sufran con relación a la mezcla cuando son llevados a zona de secado. Esta solución también se refleja en la variable continua, donde se evita que la crayola se deforme, y que existan variaciones con relación a la altura, afectando indirectamente la longitud de la crayola (por la forma en que se mide).

· Empezar a trabajar temprano: Influye en las dos variables, donde se evita el cansancio, y se concentra más en hacer un proceso correcto.

· Limpiar cera de abeja antes de usar: Así se evitan las partículas no deseadas que se reflejarían en las crayolas.

Continua:

· Controles visuales: Se tiene más control con el proceso, esto se aplicará para la zona de secado, así evitándose confusiones de dónde se van a poner la mezcla, y tomando en cuenta que debe hacerse cerca de la zona de producción, para evitar variaciones entre las crayolas.

· Tiempo de secado adecuado: Las crayolas pueden afectarse si no se les da el tiempo adecuado, viéndose variación y deformación entre ellas si no se toma en cuenta esto.

· Llenar moldes adecuadamente: Evitar distracción, y llenado correcto de la mezcla en los moldes, para que así no queden crayolas imperfectas.

· Medir en el laboratorio de Física: Ya que nos dimos cuenta de que el equipo que utilizábamos no era el adecuado, por lo tanto, creemos que este lugar cuenta con las herramientas necesarias que reflejen lo que realmente sucede en el proceso, con relación a la variable continua.

· Marcar en cada crayola de dónde a dónde se va a medir: Se evitaría la variación de medición de la longitud, reflejándose correctamente lo que sucede en el proceso con relación a esta variable.

Cabe destacar que estas soluciones fueron seleccionadas por lo descrito anteriormente, haciéndose una reunión con todos los integrantes del equipo, discutiendo y tomándose decisiones en INTEC. No se hizo una matriz de selección como tal por falta de tiempo. Se llegó a la conclusión de que estas soluciones eran las más adecuadas debido a que eran las que más englobaban las verdaderas soluciones a los problemas planteados, donde se reflejaría un cambio significativo en los resultados de las dos etapas de Measure y Control.

Decidimos implementar las soluciones por medio de los siguientes mecanismos:

Implementación de las soluciones de problemas de variable continua:

Para implementar controles visuales, lo que haremos es pegar pedazos de cinta adhesiva en lugares cerca del lugar de producción para mover lo menos posible los moldes que contienen la mezcla. Con respecto al tiempo de secado, esperaremos 30 minutos hasta que se enfríe suficiente la mezcla, para evitar irregularidades de la forma que afecten su altura. Llenaremos los moldes adecuadamente, léase vertiendo rápidamente y de una sola vez en cada espacio de cada lote; cada vez que se vierta en un espacio, volver a llenar la cuchara. Mediremos en el laboratorio de Física para utilizar su pie de rey, primero hablaremos con los encargados para averiguar si nos pueden facilitar el instrumento y el lugar para medir; y luego fijaremos un horario para medir. Para saber desde dónde hasta dónde medir las crayolas, marcaremos en cada una por debajo, un lugar estándar en donde termina el lugar de medición; estas marcas las realizaremos con una aguja para no afectar las crayolas.

Implementación de soluciones atributos:

En primer lugar, contactamos a conocidos de una de las integrantes y de ese modo logramos que nos proporcionen dos moldes adicionales los cuales serán usados en el desarrollo del proceso de producción. En segundo lugar, durante el proceso de producción, luego de calentar la mezcla, llenaremos la cuchara con la mezcla derretida y de ese modo se verterá la misma en cada uno de los espacios del molde de manera constante. Además, nos planificaremos para así iniciar el proceso de producción temprano en la mañana; así tendremos energías suficientes para terminar el proceso y evitar errores por cansancio. Por otro lado, habilitaremos un espacio específico cercano al lugar donde se verterá la mezcla en los moldes, para así no afectar la etapa de secado. También, antes de iniciar la producción nos proponemos a limpiar el exterior de la cera de abeja, de modo que las impurezas del exterior sean retiradas por completo y se reduzca la cantidad de impurezas en la mezcla. Por último, utilizaremos un colador de metal resistente al calor para evitar que las partículas restantes en la cera de abeja de queden en la mezcla; y mediremos las piezas con un instrumento de mayor resolución y que esté calibrado, ubicado en el laboratorio de física del INTEC.

Por último, la fecha de finalización real del proyecto fue el día 15 de abril del 2018, la cual coincide con la fecha establecida desde el inicio. La razón por la que no hubo discrepancia entre las fechas fue debido a una planificación efectiva de nuestras actividades como equipo, por el tiempo que tuvimos para realizar esta fase y las dudas que se presentaron en el trayecto.

Soluciones no implementadas y que debieron considerarse (Después de realizar Control):

Con relación a los cambios de la longitud de las crayolas, no pudimos ir al laboratorio de Física (que realmente si hubiésemos ido, se pudo haber presentado el problema de falta de resolución como en el Measure), pero fuimos al laboratorio de Ensayos de Materiales del INTEC a medir cada crayola. Esto sí hizo que resolviéramos el problema de resolución que teníamos, pero esto no solucionó la variación en sí de las crayolas. Una solución que pudo haber ayudado para que nuestras crayolas permanecieran en el valor objetivo es marcar en cada espacio de los moldes, exactamente hasta dónde se iba a medir (marcado desde el molde), ya que se hizo cuando las crayolas estaban afuera, con cinta, presentándose como quiera una variación inexplicable. Otra solución que pudo haber ayudado es no enfriar los moldes por debajo con agua fría, ya que esto puede provocar un choque de temperatura en diferentes partes de las crayolas, que se sequen de manera no uniforme, y por ende afecte la longitud de las mismas. Esta no se tomó en cuenta, pero la empezamos a aplicar, y luego volvimos a cometer el error de volver a utilizar este método de enfriamiento ya que sin esto cada molde duraba más de una hora en secarse. Una solución que era obvia pero no realizamos por falta de tiempo, es utilizar moldes con forma regulares que fueran más fácil de verter la mezcla y de medir.

Anexos

Brainstorm de soluciones (variable de atributo):

1. Tenemos que definir los pasos adecuados para próxima producción

a. Crear un organigrama y jerarquizarlo

b. Tener escrito el paso a paso del proceso

c. Establecer pasos para hacer el proceso

2. Definir lugar de trabajo

3. Definir las tareas de cada integrante

a. Creación de un plan de trabajo

4. Tener las herramientas adecuadas y necesarias

a. Tener y presentar un checklist de elementos y materiales

5. Comenzar temprano la planificación etapa control

6. Concentrarse en el proceso

7. Anotar todo lo que suceda

8. Investigar más sobre la materia prima

a. Tener mejor manejo de la materia prima (documentarse)

9. Tomar en cuenta los errores anteriores de la materia prima, y corregirlos en la próxima fase

a. Utilizar conocimientos aprendidos en la otra etapa de producción

b. Usar lecciones aprendidas del primer proceso

10. Investigar lugar donde venden colador

11. Investigar quién tiene colador

a. Pedir prestado un colador resistente al calor

b. Buscar prestado colador de metal a un conocido

12. Controles visuales

13. Aplicar herramientas para optimizar procesos

14. Que el instrumento sea de metal (colador)

a. Compra de un colador de metal

15. Definir consecuencias si no se toman en cuenta los pasos

a. Prever imprevistos antes del día de producción

16. Reunirse para definir pasos correctos

a. Realizar reuniones puntuales y programadas

b. Reunión previa para planificar

17. Buscar consejos de cómo usar materia prima

a. Obtener información de proyectos realizados en línea

18. Hacer pruebas pilotos para saber cómo se comporta la materia prima

19. Afianzar conocimientos para aplicar pasos

a. Mejor documentación teórica

b. Buscar en internet sobre cómo usar materia prima

20. Definir pasos días antes de crear las crayolas

a. Esquematización temprana de todas las fases

b. Planificar todo antes de comenzar la producción de las otras 60

21. Usar más de un molde

22. Proceso de secado más adecuado

23. Tener conocimiento de otros proyectos con antelación

24. Estimar realísticamente las fechas de inicio y fin

25. Hacer simulaciones de las fases

26. Mejor comunicación con la profesora

27. Hacer correlación entre los materiales comprados

28. Buscar sustitutos/mejores versiones de cada equipo

29. Ver por cada equipo los Pros y Contras

30. Comprar un colador resistente

31. Explicarle a cada integrante el proceso de inicio a fin

32. Verter rápidamente la mezcla en los moldes

33. Utilizar otra cuchara para verter la mezcla

34. Tener un lugar establecido para secar los moldes

35. Limpiar la olla en cada lote

36. Empezar a trabajar desde temprano

37. Tomar recesos en el proceso de producción

38. Secar los moldes cerca del área de producción

39. Limpiar cera de abeja antes de usar

40. Creación de planilla para asignar tareas específicas

41. Realización de prueba piloto con antelación

42. Hacer horario para distribuir tiempo de tareas

43. Benchmarking con otros grupos

44. Organización del espacio de trabajo antes de hacer producción

45. Creación de calendario con fechas de entrega importantes

46. Usar filtro para colar mezcla

47. Añadir un paso en el proceso donde se limpie la mezcla

48. Consultar a personas con experiencia en este tipo de proceso

49. Limpiar los moldes correctamente

50. Limpiar las zonas de trabajo y las zonas cercanas a estas

Brainstorm de soluciones (variable continua):

1. Hacer prueba piloto con tiempo

2. Hablar con encargado/a del laboratorio del INTEC

3. Leer requerimientos de las etapas con detalles

4. Consultar con personas que han hecho este tipo de procesos

a. Buscar ayuda acerca del proceso

5. Investigar a fondo cómo hacer crayolas

a. Investigar más sobre el proceso

6. Reuniones previas para planificar

a. Jerarquizar las ideas en reuniones periódicas

7. Hacer esquema de actividades y responsables

a. Definir tareas de cada integrante

b. Crear programa con días, fechas y actividades

8. Establecer pasos específicos del proceso

a. Definir detalladamente los pasos antes de producción

9. Establecer horario de tareas

a. Fijar un horario para medir antes del día de producción

10. Crear esquema donde se prioricen actividades

11. Análisis profundo de las herramientas a usar

12. Mejorar la comunicación con la profesora

a. Preguntar a la docente todas las dudas existentes

13. Ir a la universidad para visitar los laboratorios

a. Pedir permiso para utilizar el laboratorio

b. Preguntar a docentes sobre disponibilidad de laboratorios

14. Usar instrumentos de medición del laboratorio del INTEC

a. Ir al laboratorio para verificar la disponibilidad del instrumento

b. Buscar un pie de rey prestado en el laboratorio de Física

15. Repetir pasos de la etapa Measure

a. Ver los pasos de Measure y aplicarlos bien

b. Utilizar conocimientos de la etapa anterior

16. Corrección de errores en las etapas previas

a. Tomar en cuenta los errores en el proceso de producción

b. Ver errores en la etapa Measure

c. Tomar en cuenta los errores anteriores

17. Leer retroalimentación hecha por la profesora

18. Buscar prestado un mejor instrumento de medición

19. Hablar con un profesor para ver la disponibilidad del instrumento

20. Conocer el horario del laboratorio

21. Preguntar en el laboratorio si el instrumento es adecuado

22. Saber utilizar la materia prima

23. Saber utilizar los instrumentos (y cuándo utilizarlos)

24. Saber cómo se medirá y quiénes serán

25. Conocer la disponibilidad de cada integrante para medir

26. Hacer estudio R&R para verificar sistema de medición

27. Fijar lugar de secado cerca de la producción

28. Controles visuales

29. Definir lugar de medición para cada crayola

30. Fijar abanico en zona prudente (si se utiliza)

31. Utilizar más moldes

32. Tiempo de secado adecuado

a. Esperar más en el proceso de secado

33. Medir en un mismo lugar

34. Que los operadores midan en las mismas condiciones

35. Llenar moldes adecuadamente

a. No sobrepasar la capacidad de los moldes

36. Llenar el molde rápido

a. Llenar los moldes rápidamente

37. Usar material que simplifique echar la mezcla

38. Mejor uso de herramientas estadísticas

39. Conocer mejor el uso del instrumento de medición

40. Detallar proceso de medición

41. Hacer diagramas de flujo

a. Planificación de todo el proceso por medio de diagramas de flujo

42. Planificar cada parte del proceso por separado

43. Medir en el laboratorio de Física

44. Marcar en cada crayola de dónde a dónde se va a medir

45. Prestar más atención al verter la mezcla

46. Llenar cada espacio con una sola cuchara

47. Medir de alguna forma la cantidad de mezcla a utilizar

48. Planificar cómo se utilizarán varios moldes

49. Hacer más pruebas pilotos

50. Deshacerse de excesos de mezcla en los moldes

51. Limpiar los moldes antes de cada lote

52. No temblar al llevar los moldes de área de secado

53. Hacer más mezcla desde el principio

54. Medir cada pieza con tranquilidad

55. Cada integrante del grupo debe medir

56. No utilizar un abanico para enfriar los moldes

57. Mover los moldes antes que se sequen

58. Documentación mejorada de nuestro proceso

59. Ver proyectos similares hechos bajo mismas condiciones

60. Mantener comunicación constante con compañeros

61. Preparar un checklist de actividades internas por cada fase

62. Documentarse desde antes de cada fase

63. Ver lecciones aprendidas de otros equipos

64. Anotar consejos y consideraciones en línea

65. Pedir consejos a estudiantes sobre un mejor equipo de medición

66. Verificar todos los posibles equipos a utilizar

67. Hacer una tabla comparativa entre equipos

68. Analizar críticamente y en conjunto fases anteriores

69. Realizar reuniones semanales para plantear dudas a la profesora

70. Tomar en cuenta factores externos que afecten la medición

71. Explicar cómo funcionan los equipos a cada integrante

Nota: Las letras del abecedario (los incisos) indican ideas repetidas en el Brainstorm.

Herramientas utilizadas

Utilizamos un control visual como parte de nuestras soluciones para evitar mediciones incorrectas, las cuales causarían inexactitud e imprecisión en el proceso. Este control consistió en colocar un pedazo de cinta adhesiva en cada pieza de modo que cada operador sepa los límites de medición, sin alterar el valor real de la medición.

No recurrimos a ninguna otra herramienta para nuestra fase de Improve debido a que no tuvimos tiempo para poder implementarlas por completo, y esto podría traer más problemas que posibles soluciones para nuestro proyecto.

Control

En esta etapa implementamos de cierta forma las soluciones seleccionadas en la fase anterior para mejorar nuestro proceso de producción y obtener resultados satisfactorios. A continuación, se presentan los resultados obtenidos y comparaciones con el proceso inicial.

Resultados obtenidos (estadísticos):

Se tienen los resultados estadísticos, ya que en la parte de atributos de la etapa de Measure, no calculamos la media ni desviación estándar de la población, ya que cuando se iba a realizar, no se tenían las crayolas. Por lo tanto, para poder establecer comparaciones, se presentan los estadísticos. No se tienen los índices de capacidad a corto plazo, debido a que, en la fase de Control, no se obtuvo una distribución normal. Solo se presentaron esos índices que aparecen en la tabla.

Análisis de los estadísticos

Comparaciones

En la etapa Measure, la media de la longitud de las crayolas era 3.1337 cm de alto, y su desviación estándar era de 0.0391 cm. Luego de implementar las soluciones propuestas, obtuvimos una media de la longitud de 3.1720 cm lo cual nos indica que en promedio nuestras crayolas resultaron con mayor altura que al inicio. Por otra parte, la desviación estándar actual es de 0.0364 cm lo cual implica que la variación de nuestro proceso se redujo, lo cual es un resultado deseado para nosotros.

Tomando en cuenta los defectos de nuestras dos partes de producción, reducimos el total de defectos encontrados de una muestra de 60 crayolas de 167 a 71 defectos. El DPU en la fase del Measure fue de 2.783, mientras que en la fase de Control nos resultó 1.183, lo cual consideramos que es una mejora significativa. Cabe destacar que en esta nueva fase obtuvimos muchas crayolas que tenían 0 de los defectos propuestos.

Conclusiones acerca del impacto de las soluciones implementadas en los resultados del proyecto

Con respecto al problema de la variable continua:

La implementación de controles visuales para el lugar de secado ayudó a que no moviéramos tanto la mezcla antes de secarse, sin embargo, esto no tuvo un impacto muy significativo en la longitud de las crayolas. Otra de las soluciones fue la del tiempo de secado adecuado, al dejar las primeras crayolas secando por más de una hora y sin ninguna manipulación, no encontramos ningún cambio muy significativo en la altura. Sin embargo, esto no se siguió al pie de la letra, ya que el tiempo que se estaban tomando las crayolas para secarse era bastante, por lo que se optó por seguir el método de poner la mezcla debajo de una bandeja llena de agua fría, lo cual ocasionó que la mezcla durase menos tiempo en secarse, pero afectando considerablemente la forma de la crayola. El llenado adecuado de los moldes provocó una disminución en la variación de las crayolas, lo cual fue una mejora importante; esto sumado a que utilizamos un pie de rey calibrado en el laboratorio de Ensayos de Materiales del INTEC, lo cual provocó que al hacer una prueba de normalidad no tuviéramos un problema de resolución. Esta solución implementada no es igual a la planteada, ya que se optaba por ir a medir en el laboratorio de Física, y no se pudo por dificultades de acceso. No obstante, pudiese darse el caso de tenerse en el laboratorio de Física instrumentos no adecuados, como nos sucedió con el primer laboratorio que visitamos para realizar la medición de esta etapa, donde se nos seguía presentando la falta de resolución del equipo. Nuestra última solución implementada para la variable continua fue la de marcar en cada crayola de dónde a dónde se va a medir, pero no se realizó como teníamos pensado: Nos dimos cuenta tarde de marcar el lugar donde se iban a medir las crayolas, no obstante, al comenzar a hacerlo (haciéndoles una marca por debajo), vimos que afectaban su forma (les dejaban marcado un pequeño hoyo, arruinando de cierta forma la estética). Dejamos de hacer esto, y les pusimos cinta adhesiva del lugar en donde se iban a medir, luego de ser sacadas del molde. Esto pudo implicar una medición más correcta y exacta de cada crayola.

Tomando en cuenta la capacidad del proceso, pudimos ver que en la fase de Measure obtuvimos un CPk de 1.15 y un Ppk de 1.14, y en la fase de Control, realizando el análisis de capacidad no normal con una distribución de Largest Extreme Value, obtuvimos un PPk de 0.84. Esto nos indica que la capacidad real del proceso ha disminuido, pero hay que tomar en cuenta que utilizamos este PPk porque el análisis siguiendo esta distribución es lo único que nos muestra. En el caso de Measure, vemos que el proceso a largo plazo tiende a cumplir con las especificaciones, pero requiere ser controlado (es capaz a largo plazo), y en Control, vemos que el proceso a largo plazo tiende a no cumplir con al menos una de las especificaciones (no es capaz a largo plazo). Comparando las cartas de control de las dos fases, podemos notar que en ambas fases el proceso no está en control estadístico. Con relación a esta fase, en la carta de rangos, se ve un dato que está fuera del límite de control y en la carta Xbar tenemos más de 9 puntos consecutivos del mismo lado de la línea central. Pero se puede ver que la variación se ha disminuido.

Con respecto al problema de la variable de atributo:

Tener las herramientas adecuadas, como un colador metálico, fue una de las mejores soluciones implementadas del proyecto. Con este logramos que la mayoría de las crayolas quedaran sin el defecto de la suciedad. Al usar más de un molde, además de tener un proceso de producción más veloz, no tuvimos que limpiar tanto el mismo molde, lo que se pudo haber reflejado también en la reducción de la suciedad. Vertiendo rápidamente la mezcla en los moldes, evitamos tener colores irregulares en cada crayola. Cabe destacar que algunas quedaron con colores irregulares, pero solo en la parte superior (afectado por el proceso de secado experimental de poner agua fría debajo de los moldes, lo que produjo un cambio de temperatura en diferentes partes de las crayolas). Como empezamos a trabajar temprano, pudimos realizar la producción sin problemas y sin cansancio, lo cual nos permitió realizar cada solución a los problemas. Al secar los moldes cerca del área de producción, disminuimos el movimiento de las crayolas antes de que secaran, lo cual consideramos que influenció en la regularidad del color en las crayolas. Consideramos que la limpieza de la cera de abeja antes de usar no afectó para nada al proceso porque de todas maneras al utilizarla se colaba antes de verterla en la mezcla.

Comparando los dos análisis de capacidad para variables de atributos, notamos que obtuvimos un DPU menor que en la fase de Measure. Logramos disminuir la cantidad de defectos por unidad de un 2.78 a un 1.18. Esto es un cambio significativo porque también tenemos varias unidades con un solo defecto y solo una de las crayolas tiene más de 3 defectos. Con respecto al control de la variable de atributo, realizando una carta comparativa U con subgrupos constantes, podemos ver que ni en la fase Measure ni en la fase Control, hay puntos fuera de los límites de control. Se redujo la anchura de los límites y el promedio de cantidad de defectos bajó considerablemente. En cuanto a esta carta, en Control, el proceso no es estable, viéndose puntos consecutivos en un mismo lado de la línea central, al igual que en Measure. Sin embargo, se redujo el total de defectos de 167 a 71, lo cual consideramos como una disminución considerable y favorable.

Consideramos que, al realizar las soluciones planteadas, logramos el objetivo de lograr que las crayolas coloreen con un color amarillo fuerte, y logramos eliminar casi toda la suciedad, además de reducir la cantidad de crayolas con irregularidad de colores. Logramos el objetivo de que las crayolas tengan una longitud entre 3.0 cm y 3.3 cm, sin embargo, nuestro proceso resultó no estar centrado en el valor objetivo de 3.15 cm. Y en cuanto a la capacidad, en la fase Measure logramos tener un CPk mayor que 1, sin embargo, el objetivo final de elevarlo a 1.45 no pudo ser alcanzado por los resultados obtenidos en la fase de Control.

Comentarios acerca de los resultados obtenidos ¿fueron los resultados lo que el equipo esperaba?

Como equipo, esperábamos reducir la cantidad de defectos y eliminar las partículas de la mezcla que afectaban la apariencia de las crayolas, y estos resultados fueron alcanzados. Sin embargo, no esperábamos que las soluciones implementadas afectaran al proceso en cuanto a su centrado y variación de la longitud. Esta consecuencia fue totalmente inesperada para nosotros. Otro resultado que no esperábamos fue el cambio de la distribución de los datos a una distribución no normal, aun cuando utilizamos unos instrumentos de medición calibrados y con mayor resolución.

Conclusión final del resultado del proyecto

Podemos decir que los resultados de nuestro proceso se desviaron un poco de la meta ya que se llegaron a mejorar las crayolas con relación a la variable de atributo (se bajó de un DPU de 2.78 a 1.18, alcanzándose la meta desde un principio (DPU=3), y casi llegándose al valor ideal de 1), pero se enfocó tanto en esta que hubo un descuido en la variable continua y por tanto se obtuvieron datos muy diferentes en la etapa final, viéndose más descontrol y obteniéndose un proceso no normal, aunque hubo una disminución de la variación. No cumplimos al final, con relación a la variable continua, de obtener un Cpk y Cp mayores de 1 como meta, y como valores ideales 1.45 y 1.25. Además, no se pudo tener al final un proceso estable, pero se pudo cumplir con las especificaciones planteadas. Por lo tanto, concluimos que el proyecto no fue del todo exitoso. Parte del éxito también es atribuible a los aprendizajes alcanzados en todo este proceso del proyecto, sacando ciertas lecciones que serán explicadas a continuación, pudiéndonos servirnos y aplicarlos en todos los aspectos de la vida:

Lecciones aprendidas

· Siempre estar de acuerdo en la toma de decisiones, donde todos los integrantes del equipo participen, y cada uno de ellos sepa lo que se va a hacer. Esto está en lecciones aprendidas porque en un parte de la fase de Control, se hizo un cambio en la forma de secado, poniéndose bandejas con agua fría para adelantar este proceso, sin embargo, implementar esto no fue muy bueno. No se llegó a un consenso en sí, se tomó la decisión sin analizar los pro y contras.

· Siempre realizar las fases a tiempo, y mientras más temprano, mejor, ya que se pueden hacer frente a los imprevistos. Tuvimos ciertos inconvenientes al realizar el proceso de producción en la fase Measure, pero al realizarlo temprano, pudimos hacer frente a nuestras obligaciones.

· Siempre preguntarle a la profesora en caso de dudas, y con tiempo, estar claros de lo que hay que hacer antes de llevarlo a la acción.

· Debimos calcular los parámetros de la variable de atributos seleccionada, este hecho nos causó inconvenientes en que dificulta la comparación de la media y desviación estándar en las dos fases de Control y Measure.

· Nunca asumir, siempre preguntar y estar claros. Esto se pone de forma general, ya que, en una parte, en Control, medimos las piezas en un lugar donde asumimos que, al realizarlo allá, el equipo estaba en perfectas condiciones para usarse. Sin embargo, después de tener los datos, nos dimos cuenta de que los resultados que obteníamos no eran apropiados, y se le atribuye en cierta parte al equipo.

· Tener claro las herramientas a utilizar, y la disponibilidad de estas. En Measure, nos surgieron bastantes inconvenientes, porque al principio, teníamos un modelo de producción diferente (usar sorbetes). Solo contábamos con un proveedor en mente (IKEA), y al querer comprarlos, ya no habían.

· Siempre hacer una prueba piloto, antes del día de producción. En Measure, al obtener los materiales del primer modelo de producción, nos dimos cuenta de que no eran las más adecuadas para obtener las crayolas (no nos resultaba utilizar sorbetes). Al final, tuvimos que cambiar el modelo del molde (utilizar moldes de IKEA que ya se tenían). También, buscamos la disponibilidad de otros moldes en otros sitios (IKEA y Casa Cuesta), pero fueron realizados el mismo día de producción, ralentizando este proceso.

· Tener los pasos del proceso. Se nos dificultó al principio la producción de las crayolas, ya que estas no pintaban. Después nos dimos cuenta de que no estábamos utilizando los materiales adecuados para que ellas realizaran esta función (óleos en vez de colorante vegetal). Además, el buen uso de la cera de abeja, que al principio aportaba bastante al sucio de las crayolas.

· Nunca inclinarse hacia una variable. Cometimos el error de concentrarnos en la variable de atributo en Control, sin ver cómo esta impactaba a la continua, y esto trajo como consecuencia cambios no deseados en esta última variable mencionada.

· Tener unos días pautados para realizar las fases, además de tener en cuenta la disponibilidad de los demás.

· Pedir ayuda a los demás equipos en caso de no entender alguna fase.

· Siempre esquematizar el proceso, y ser rigurosos a la hora de medir.

· Realizar los procesos de producción temprano, evitando cansancio y entorpecimiento en el proceso.

· Ser detallados a la hora de la toma de decisiones, de las razones del por qué se hicieron ciertas cosas. Esto sucedió con la matriz de selección de la fase de Improve, donde se realizó un consenso para elegir las soluciones que corregían mejor los problemas planteados, pero no se analizaron de forma profunda (también afectado por la falta de tiempo).

· Tener especificaciones con la misma tolerancia en los extremos. Mencionamos esto porque al principio en nuestras especificaciones se vio que, del lado superior (3.3cm) de nuestro valor objetivo (que era 3.1cm), había más distancia que del lado izquierdo (3.0cm). Esto tenía sus razones, ya que los clientes prefieren tener una crayola más larga que una más pequeña, para que les dure más y facilite su uso a la hora de colorear. Sin embargo, estas especificaciones con anchuras desiguales en los extremos tenían que estar bien justificados, viéndose que en este proyecto podrían no existir razones profundas para tener esto. Esto fue corregido, poniéndose un valor objetivo de 3.15 cm.

· Ser optimistas. Es extraño poner esto en lecciones aprendidas, pero tiene sus razones. Se nos presentaron muchísimos inconvenientes en este proyecto, quitándonos las ganas de trabajar y desalentándonos un poco. Sin embargo, reunimos fuerzas, nos apoyamos como equipo, y pudimos hacerles frente a los problemas presentados.

· Siempre estar dispuestos a fallar. Es una de las lecciones más importantes, ya que nos dimos cuenta de que, generalmente estos tipos de proyectos tienden a tener fracasos. Fue lo nos sucedió (en cierta parte), reuniendo los conocimientos necesarios para que en un futuro saber qué exactamente se tiene que hacer, ya se tiene una visión más profunda de los impactos que pueden tener las decisiones tomadas.

· Reunirse a hacer las fases. Esto nos facilitó mucho la toma decisiones, además de estar conscientes de lo que sucedía con el proceso.

· Pedir ayuda a personas con experiencia en el proceso. Se nos hubiese facilitado hablar con alguien que supiera manejar la cera de abeja, que, al principio (en el Measure), nos dio problemas.

· Saber los requerimientos de cada fase, y saber las herramientas que se deben aplicar (saber usarlas).

· De forma general: Planificar todo.

· Saber la disponibilidad de lugares en donde el equipo se va a reunir. Esto nos sucedió realizando la fase Improve, donde fuimos a INTEC y tuvimos ciertos inconvenientes por no saber por ejemplo los horarios de los cursos ese día.

· No sobreponer la eficiencia de la eficacia (no adelantar el proceso).

· Buscar en otras fuentes ayuda sobre cómo realizar los procesos en mente.

· Es conveniente tener controles visuales que eviten ralentización del proceso.

· Siempre tener zona de secado cerca de la producción.

· Definir de dónde a dónde se van a medir las crayolas, definidos desde el molde.

· Tener más de un molde, que evite problemas de producción y que el proceso sea lento.

· Estar dispuestos a cubrir a algún integrante del equipo en caso de que este no puede realizar su tarea.

· Tener un molde que ayuda a la hora de medir, ya que el de nosotros tenía una forma que dificultaba el proceso de medición (forma de flores), y que podían influir bastante en la variación que se documentaba que presentaba en el proceso.

· Aprendimos que es de suma importancia obtener data confiable, ya que nosotros, como estudiantes de matemáticas, nos habíamos acostumbrado a analizar data sin estar del todo seguros acerca de si la información con la que contábamos era confiable y acertada. Este proyecto nos hizo darnos cuenta de que si no tenemos a la mano buena información es imposible que se lleven a cabo buenos análisis. Un ejemplo de esto fue en la fase de Measure, en la cual no se validó si era correcto el uso de colorante vegetal. Nos dimos cuenta de que lo que se tenía que usar era óleo.

· Con respecto al proceso luego de la fase de Control aprendimos que hay causas de los problemas planteados que surgen a lo largo del camino que no se toman en cuenta. En nuestro caso la irregularidad de los moldes que dificultaba todo, la deformación por calor de los moldes y la posibilidad de orificios distintos de los moldes.

· Aprendimos también que por falta de tiempo es imposible atacar cada causa que el equipo crea que afecte al proceso.

· Pudimos haber implementado más soluciones en el caso de la variable continua si hubiésemos elegido y pensado de manera más general y no solo centrarnos en la parte de la medición.

· Soluciones que consideramos pudimos haber implementado son: marcar hasta donde se llenan los moldes, no enfriar debajo de los moldes con agua y ser pacientes al momento del secado, y cambiar los moldes a alguno con una forma regular. La última fuera la más difícil de implementar porque tendría que cumplir con nuestras especificaciones planteadas.

· Elegir verdaderamente las causas raíces del problema, no ser tan generales. Esto nos ocurrió con las causas de la variable continua, en la cual, se definieron de forma general, y no se pudo atacar específicamente el problema, presentándose cambios inesperados.

· El buen análisis de las cartas de control, en la cual, al principio, en la etapa de Measure, no se tomó en cuenta la organización de las piezas según la producción. Esto fue corregido.

Fecha de Finalización actual o real

La fecha de finalización que teníamos estipulada era el viernes 20 de abril de 2018, y la fecha de finalización fue el jueves 19 de abril de 2018. Esto se debe a que la entrega final del proyecto fue establecida para el jueves.

Herramientas

Comparación de histogramas

En estos dos histogramas, se puede observar en primer lugar como luego de implementar las soluciones los datos se centraron más a la derecha que anteriormente. Por lo tanto, se puede decir que, con respecto a nuestro valor objetivo, el proceso siguió centralizado

pero menor que en la fase de Measure. En cuanto a la variabilidad, es notable como el ancho del histograma luego de la etapa Control es menor que el ancho de las especificaciones y en comparación con el ancho del histograma anterior, es también notablemente menor. Ahora, con respecto a la forma, podemos observar que luego de implementadas las soluciones se produjo un proceso en donde hay presente un sesgo hacia la derecha. No obstante, en esta no se observan datos atípicos como sucedió en la fase Measure.

Comparación de diagramas de caja

A partir de los diagramas de caja podemos concluir que luego de implementadas las soluciones la media de proceso aumentó considerablemente y se aleja del valor objetivo. Además, se puede ver como el largo del diagrama luego de implementar las soluciones disminuyó, así que podemos decir que la variación del proceso es menor que anteriormente. No obstante, en la etapa control se observa que el brazo superior del diagrama de caja es mucho más largo que el inferior, lo cual indica que hay presente un sesgo hacia la derecha en el proceso. Por último, se puede ver como luego de implementar las soluciones en el proceso se presentan 2 datos atípicos.

Análisis de normalidad

La prueba se realizará con α=0.05. Utilizando una prueba de normalidad de Anderson Darling con todos los datos de la fase Control, obtuvimos:

A partir de los resultados, podemos ver que nuestro p-value es menor que 0.005 y a su vez es menor que α=0.05, por tanto, rechazamos la hipótesis nula de que la distribución de los datos es normal.

Ahora, no tomamos en cuenta los datos 41 y 37, los cuales son atípicos. A partir de esto, realizamos una prueba de normalidad para los datos restantes.

La prueba se realizará con α=0.05. Utilizando una prueba de normalidad de Anderson Darling sin los datos atípicos de la fase Control, obtuvimos:

A partir de los resultados, podemos ver que nuestro p-value es menor que 0.005 y a su vez es menor que α=0.05, por tanto, rechazamos la hipótesis nula de que la distribución de los datos es normal.

· Conclusión: podemos llegar a la conclusión, a partir de las pruebas de hipótesis realizadas de que la distribución de los datos del proceso luego de la fase Control no siguen una distribución normal. Por lo tanto, tenemos que tener presente esta situación para realizar posteriores análisis.

En adición, para poder realizar el análisis de capacidad de nuestro proceso debemos identificar a cuál distribución se asemejan más nuestros datos y a partir del resultado llevaremos a cabo una prueba de capacidad de datos no normales.

A partir de los resultados anteriores, se puede ver como el mayor p-value se obtiene cuando comparamos los datos con la distribución de Largest Extreme Value. Por ende, esta es la que más se asemeja a nuestros datos y se utilizará como referencia para realizar el análisis de capacidad del proceso. Este se presenta a continuación.

A partir de los resultados mostrados podemos ver que nuestro PPk es de 0.84, esto nos indica que la capacidad real del proceso no es adecuada y que este no cumple con al menos una de las especificaciones. Mientras que en la fase Measure obtuvimos un Ppk de 1.14, el cual nos decía que el proceso cumplía con ambas especificaciones, aunque se requería de cierto control. Además, nuestro proceso resultó estar menos centrado luego de aplicar las soluciones planteadas. Cabe destacar, que realizamos dicha comparación debido a que como utilizamos un análisis de capacidad con la distribución Largest Extreme Value este sólo nos provee el Ppk. Por otra parte, nuestro PPU anterior era de 1.42 y luego de aplicar las soluciones obtuvimos un PPU de 0.84, lo cual nos dice que el proceso disminuyó su capacidad para cumplir con la especificación superior a largo plazo de manera notable.

Análisis de capacidad para variable de atributos

En este caso vemos que la DPU es de 1.18, lo cual indica que la cantidad de defectos por unidad es 1.18. Además, la probabilidad de producir una unidad sin defectos es de 30.6%. Este rendimiento representa una mejora en comparación con la fase de Measure, así que las soluciones para la variable de atributo han funcionado significativamente. El total de defectos en las 60 crayolas seleccionadas es de 71. Sin embargo, debemos tener en cuenta que nuestra especificación es de 3 defectos por unidad, y en nuestro análisis solo la crayola 28 tiene más de esta cantidad estipulada.

Cartas de control

Comparación de carta Xbar-R para variable continua

A partir de las cartas de control xbar-R, en primer lugar, en la carta de Rangos se puede observar como el ancho de los límites de control disminuyó en la fase Control, esto nos dice que hubo menor variación en la altura de nuestras crayolas luego de implementar las soluciones propuestas. No obstante, en la carta de la fase Control se observa un dato fuera de los límites de control, esto se puede deber a que cuando estábamos vertiendo la pieza indicada parte de la mezcla que estaba en el cucharón se derramó accidentalmente en el hueco correspondiente a dicha pieza. También se ve como el promedio de los rangos disminuyó ligeramente en la segunda fase, pero esta disminución no es significativa. En segundo lugar, en cuanto a las cartas Xbar podemos observar como la media del proceso dio un cambio considerable, ya que en la fase Control se ve como los datos están ubicados más hacia arriba. Además, el ancho de los límites de control luego de implementar las soluciones disminuyó pero no considerablemente, pero se puede decir que la variación del proceso es menor. También, se puede ver como en la fase control hay 9 puntos consecutivos del mismo lado de la línea central, lo cual indica un posible cambio repentino en el promedio del proceso. En ninguna de estas dos etapas se observan datos fuera de los límites de control en cuanto a la carta Xbar. A partir de lo anterior, podemos decir que nuestro proceso no está en control estadístico.

No realizamos una carta Xbar-S porque solo tenemos 60 elementos, y no pudimos realizar una carta I-MR en esta fase Control porque nuestra distribución no es normal, y esta carta solo funciona de manera adecuada cuando la distribución es normal.

Comparación de la carta U para defectos, con subgrupos iguales

En estos resultados podemos observar en primer lugar como el ancho de los límites de control luego de implementar las soluciones disminuyó considerablemente. Además, es notable como la media de la cantidad de defectos del proceso bajó notablemente. También se observa como muchas de las piezas del proceso tienen cero defectos, mientras que en la etapa anterior muchas de las piezas tenían por lo menos un defecto. En ninguna de las dos etapas se observan datos que sobrepasen los límites de control. Sin embargo, podemos ver que en la etapa de Measure, se ve subjetivamente una cierta condición de ciclos, y se presenta también la ligera condición de ciertos datos estar abrazando la línea central (se ve de cierta forma también en Control), y en ambas fases se incumple la regla de que hay más de 8 puntos consecutivos en un mismo lado de la línea central. Por lo tanto, en ambas fases, el proceso no está en control (no es estable). Sin embargo, es importante resaltar que el número total de defectos disminuyó de 167 a 71, lo cual es un resultado deseado para nosotros.

R&R Fase Control

En primer lugar, podemos observar que el índice de la repetibilidad con respecto a la tolerancia es de un 27.09%, lo cual nos indica que el proceso es marginalmente aceptable. Además, el índica de reproducibilidad respecto a la tolerancia es de 12.94%, esto indica que el proceso es bueno y aceptable. Por otra parte, el índice de R&R con respecto a la tolerancia es de 30.02% y por esto el proceso es inaceptable y debe corregirse. Ahora, con respecto a la contribución a la variabilidad del proceso; podemos ver que el 84.16% de la variabilidad es debida a la variación de las partes, mientras que el 2.94% y el 12.90% corresponden a la reproducibilidad y a la repetibilidad, respectivamente. A partir de esto, podemos decir que la mayoría de la variación es debida a las partes y que la contribución de la repetibilidad y reproducibilidad son reducidas en comparación. Por lo tanto, el sistema de medición puede distinguir entre partes. Pero, se puede ver que el número de categorías distintas es 3, por lo que el sistema puede distinguir más o menos entre partes.

A partir del resultado anterior podemos decir que el equipo de medición tiene una resolución poco adecuada.

El Cp obtenido nos indica que el proceso tiene una capacidad potencial adecuada. Así que cualquier problema del sistema de medición no es un problema crítico para nuestro proyecto.

Análisis Gráficos

Analizando la gráfica Components of Variation, podemos ver que el mayor componente de la variación es la variación de las partes, mientras que la reproducibilidad es el componente menor y la repetibilidad y variación de R&R son un poco más altas; sin embargo, no llegan a ser considerablemente altas en comparación con la variación de las partes. A partir de esto se concluye que el sistema de medición puede distinguir entre las partes.

Ahora, analizando la gráfica R, podemos ver como el operador A tiene menor variación comparado con el operador B excluyendo el punto 6, en donde el operador A se sale del límite de control. Además, podemos decir que el operador B tiene una variación media. En cuanto a la carta Xbar, podemos ver como hay mucha distinción entre las medias de las piezas para ambos operadores, es decir, que las piezas fueron elegidas de manera que cubren todo el espectro del proceso.

En el gráfico Medición by Pieza, podemos observar como los puntos de la gráfica se encuentran cerca, lo cual indica que hay una baja reproducibilidad. Y además se ve como existe una gran diferencia entre las piezas, esto nos dice que el sistema de medición es bueno.

Por último, en la gráfica Medición by Operador se puede observar como la mediana entre los operadores son distintas, esto nos indica que en promedio el operador B obtiene mediciones más elevadas que el operador A. También, si obviamos los dos puntos atípicos en el diagrama del operador B, podemos ver que el operador A tiene más variación que el otro. En adición, es claro ver que el operador A no presenta datos atípicos, mientras que el B presenta dos.

Opcionales

No llevamos a cabo un análisis PFMEA, por falta de tiempo. Tampoco hicimos hincapié en sistemas de monitoreo y entrenamientos. Sin embargo, consideramos que, para acciones futuras, se deben realizar las crayolas tomándose también en cuenta la longitud de ellas, respetando el tiempo de secado (plan de control). Tener más rigurosidad a la hora de medir, marcas con más exactitud de dónde a dónde se medirán las crayolas.

En procedimientos documentados, podemos observar:

Bibliografía

Clases y documentos del aula: INI 310- Control de Calidad. (s.f.). Obtenido de INI 310- Control de Calidad: https://lms.intec.edu.do/course/view.php?id=799

Cómo hacer lápices de cera. (s.f.). Obtenido de Youtube: https://www.youtube.com/watch?v=ABH2okA24E0&feature=youtu.be

Giudice, A. C. (17 de Abril de 2017). Proyecto DMAIC, fase a fase. Obtenido de Medium: https://medium.com/@alexisrosannacalderon/proyecto-dmaic-fase-a-fase-668be369d1fd

González, A. (s.f.). Proyecto Final-CONTROL DE CALIDAD. Obtenido de Medium: https://medium.com/@anagonzsantil/eb12e876ba7a

Martínez, R. (14 de Abril de 2017). Proyecto DMAIC — Grupo Rambo. Obtenido de Medium: https://medium.com/@rafmartinezc/proyecto-dmaic-grupo-rambo-1ff5a34c85b9

Pulido, H. G., & Salazar, R. d. (2013). Control Estadístico de la Calidad y Seis Sigma. D.F. de México : Mc Graw Hill Education .

Robles Liberato, A. (12 de Abril de 2017). Hacer un portalápices: Mejorando un proceso con DMAIC. Obtenido de Medium: https://medium.com/@armandorobleclz14/hacer-un-portal%C3%A1pices-mejorando-un-proceso-con-dmaic-6b8cdaefbeb8

Tema V Herramientas de Calidad. (10 de Octubre de 2017). Obtenido de Youtube: https://www.youtube.com/watch?v=eeeVZHHrixs&feature=youtu.be

Terrero, A. (15 de Octubre de 2017). Proyecto Final Control de Calidad . Obtenido de Medium : https://medium.com/@abelterrero/proyecto-final-control-de-calidad-aviluma-maluvia-15f4dce9655e

V1 Minitab: INI-310 Control de Calidad . (s.f.). Obtenido de INI-310 Control de Calidad : https://lms.intec.edu.do/mod/url/view.php?id=25745

V2 Minitab: INI-310 Control de Calidad . (s.f.). Obtenido de INI-310 Control de Calidad : https://lms.intec.edu.do/mod/url/view.php?id=25746

V3 Minitab: INI 310- Control de Calidad. (s.f.). Obtenido de INI 310- Control de Calidad: https://lms.intec.edu.do/mod/url/view.php?id=25747

V6 Estudio R&R v 2. (s.f.). Obtenido de Youtube : https://www.youtube.com/watch?v=r9iXiky33Uw&feature=youtu.be

Valenzuela, C. T. (15 de Octubre de 2017). Proyecto DMAIC del proceso de producción de portalápices intecianos. Obtenido de Medium : https://medium.com/@carminatiovalenzuela/proyecto-dmaic-del-proceso-de-producci%C3%B3n-de-portal%C3%A1pices-intecianos-f3c580017699

Vargas, C. F. (18 de Julio de 2017). Proyecto DMAIC. Obtenido de Medium: https://medium.com/@claribelfv/proyecto-dmaic-9d5db720c691

Peer Evaluations

Marcella Dicarlo

Carlos Mayers

Edith Gómez

Pedro de Padua