INSTITUTO POLITÉCNICO NACIONAL - ipn-upiicsa, sepi - Instituto ...
INSTITUTO POLITÉCNICO NACIONAL - ipn-upiicsa, sepi - Instituto ...
INSTITUTO POLITÉCNICO NACIONAL - ipn-upiicsa, sepi - Instituto ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>INSTITUTO</strong> <strong>POLITÉCNICO</strong> <strong>NACIONAL</strong><br />
UNIDAD PROFESIONAL INTERDISCIPLINARIA DE<br />
INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS<br />
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN<br />
APLICACIÓN DE SEIS SIGMA EN UNA EMPRESA LITOGRÁFICA<br />
T E S I S<br />
QUE PARA OBTENER EL GRADO DE MAESTRO EN CIENCIAS<br />
CON ESPECIALIDAD EN INGENIERÍA INDUSTRIAL<br />
PRESENTA:<br />
Villagómez Sandoval Ana Cecilia<br />
DIRECTOR DE TESIS<br />
Dr. Arturo Pacheco Espejel<br />
México D.F. 2007
Agradecimientos<br />
A mi madre quien ha estado conmigo a cada momento y ha sido la fuerza de<br />
superación y fortaleza; es a ella a quien debo lo que soy, lo que he sido y seré.<br />
A mis queridos maestros de Posgrado y Academia de Matemáticas de la UPIICSA,<br />
quienes, sin mencionar su nombre, sabrán a través de estas líneas que siempre los<br />
tengo presentes y a los cuales les agradezco sus valiosos consejos e inspiración que<br />
me brindan cada día.<br />
A María Luisa Fernández de Pla, a la Fundación Roberto Pla Inchaustí, a los miembros<br />
del patronato y a Rosario Fernández por haber pensado en mí sin conocerme, y<br />
regalarme la oportunidad de transformar mi futuro.<br />
A mi esposo Juan Isaac de Jesús, por iluminar cada instante de mi vida, por su infinita<br />
paciencia y su valioso apoyo en cada uno de mis sueños.
Índice<br />
Introducción<br />
Capítulo I: Análisis de la industria gráfica en México<br />
1.1. Situación actual de la industria gráfica en México<br />
1.1.1. Desarrollo y tecnología<br />
1.1.2. Participación de la industria gráfica en la economía mexicana<br />
1.1.3. Características de las empresas litográficas mexicanas<br />
1.2. Indicadores de calidad en la industria litográfica<br />
1.2.1. Estándares de impresión Offset: ISO 12647-2:1996<br />
Capítulo II: Situación actual de la empresa Surtidora Gráfica S.A. de C.V<br />
2.1. Antecedentes<br />
2.2. Clientes y productos<br />
2.3. Características del proceso de impresión Offset<br />
2.3.1. Procesos productivos principales para obtener un impreso<br />
2.4. Problemática actual en el proceso Offset<br />
Capítulo III: Definición y herramientas estadísticas de la calidad<br />
3.1. Definición de empresa y variables que afectan su desempeño<br />
3.2. Definición de calidad<br />
3.3. Metodología Seis Sigma<br />
3.3.1. Introducción<br />
3.3.2. Definición de Seis Sigma 50<br />
1<br />
5<br />
6<br />
7<br />
11<br />
14<br />
18<br />
22<br />
26<br />
28<br />
32<br />
34<br />
37<br />
47<br />
50<br />
50
3.3.3. Métrica SS<br />
3.3.4. Definición de la metodología SS<br />
3.3.4.1. Etapas de la metodología SS<br />
3.4. Herramientas básicas para Seis Sigma<br />
3.4.1. Estratificación<br />
3.4.2. Diagrama de Pareto<br />
3.4.3. Hojas de verificación<br />
3.4.4. Diagrama de Ishikawa<br />
3.4.5. Lluvia de ideas<br />
3.4.6. Diagrama de dispersión<br />
3.4.7. Mapeo de procesos<br />
3.5. Introducción a las herramientas estadísticas de la calidad<br />
3.5.1. Gráficos de control<br />
3.5.2. Carta de control<br />
3.5.3. Capacidad del proceso<br />
3.6. Calidad de mediciones<br />
3.6.1. Repetibilidad y reproducibilidad (R&R)<br />
3.6.2. Estudio largo<br />
3.6.2.1. Método de ANOVA para analizar estudio largo<br />
3.7. Diseño de experimentos<br />
3.7.1. Etapas y principios básicos<br />
3.7.2. Clasificación de los diseños experimentales<br />
3.7.3. Diseño general 2 k<br />
52<br />
54<br />
55<br />
57<br />
57<br />
58<br />
61<br />
64<br />
67<br />
68<br />
71<br />
73<br />
75<br />
78<br />
85<br />
89<br />
90<br />
91<br />
92<br />
94<br />
96<br />
99<br />
100
3.7.3.1. Diseño factorial 2 2<br />
3.7.4. Diseño factorial fraccionado 2 k-1<br />
3.7.4.1. Análisis de varianza (ANOVA)<br />
3.7.4.2. Verificación de los supuestos del modelo<br />
3.7.4.3. Modelo estadístico (predicción sobre el mejor tratamiento)<br />
Capítulo IV: Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
4.1. Aplicación de la metodología SS<br />
4.1.1. Definición del problema<br />
4.1.2. Medición de la situación actual<br />
4.1.3. Análisis de las causas del problema<br />
4.1.3.1. Desarrollo de la etapa experimental<br />
4.1.4. Mejora de las variables críticas de calidad (VCC)<br />
4.1.5. Control del proceso<br />
4.1.6. Propuestas de mejora y recomendaciones<br />
Conclusiones<br />
Anexos<br />
Bibliografía<br />
101<br />
107<br />
111<br />
113<br />
116<br />
119<br />
120<br />
129<br />
137<br />
138<br />
148<br />
155<br />
156<br />
160<br />
163<br />
166
Índice de figuras<br />
1.1. Comparativo del crecimiento real PIB Nacional – Manufacturero – División IV<br />
1.2. Valor de la producción de la División IV (precios constantes de 1994, millones<br />
de dólares) 9<br />
1.3. Inversión en equipos de impresión<br />
1.4. Variaciones de color en la impresión<br />
1.5 Porcentajes de producción por familia de productos de Surtidora Gráfica S.A. de<br />
C.V. 23<br />
1.6 Exportaciones de material impreso de Surtidora Gráfica S.A. de C.V.<br />
1.7 Volumen de ventas nacionales de Surtidora Gráfica S.A. de C.V.<br />
1.8 Organigrama general de Surtidora Gráfica S.A. de C.V.<br />
1.9 Clientes y porcentaje de participación en las ventas de Surtidora Gráfica S.A. de<br />
C.V. 27<br />
1.10 Sistemas de impresión<br />
1.11 Sistema de impresión Offset<br />
1.12 Procesos de Preprensa y Offset<br />
1.13 Volumen de reprocesos del departamento de Offset<br />
1.14 Variables que afectan el desempeño de la empresa<br />
1.15 Fuerzas que definen la rentabilidad en la industria<br />
1.16 Los factores críticos de la competitividad<br />
1.17 De la concepción de productividad estrecha a la concepción amplia<br />
1.18 El triangulo de la rentabilidad<br />
1.19 Reacción en cadena<br />
1.20 Áreas prioritarias de acción de la metodología SS<br />
1.21 Procesos con calidad Tres y Seis Sigma<br />
<br />
9<br />
13<br />
16<br />
24<br />
24<br />
25<br />
29<br />
31<br />
33<br />
35<br />
39<br />
40<br />
41<br />
43<br />
44<br />
46<br />
51<br />
53
1.22 Diagrama de Pareto de primer nivel para defectos en botas<br />
1.23 Diagrama de Pareto de segundo nivel para defectos en botas<br />
1.24 Diagrama de Ishikawa para problemas de envejecimiento prematuro en piezas<br />
mecánicas 65<br />
1.25 Diagrama de Ishikawa tipo flujo de proceso<br />
1.26 Diagrama de Ishikawa del tipo de enumeración de causas<br />
1.27 Objetivo de la sesión de lluvia de ideas<br />
1.28 Patrones principales de correlación<br />
1.29 Mapeo del proceso de la elaboración de pan<br />
1.30 Elementos que aportan la variabilidad a un proceso<br />
1.31 Modelo de carta de control de Shewart<br />
1.32 Selección del tipo de carta de control<br />
1.33 Carta de medias para el diámetro de punterías<br />
1.34 Patrones no aleatorios que indican causas especiales que ocurren en el proceso<br />
1.35 Fuentes de variabilidad en las mediciones<br />
1.36 Evolución de la calidad de la detección a la prevención<br />
1.37 Factores controlables y no controlables<br />
1.38 Representación del diseño factorial 2 2<br />
1.39 Gráfico de efectos (Daniel´s plot)<br />
1.40 Diagrama de Pareto de efectos<br />
1.41 Grafica de probabilidad en papel normal<br />
1.42 Grafica de predichos vs residuos<br />
1.43 Etapa de definición en la aplicación de SS<br />
1.44 Mapeo del proceso de impresión Offset de la O.T. 9263<br />
1.45 Diagrama de Pareto de primer nivel de defectos en impresos<br />
1.46 Diagrama de Pareto de segundo nivel de defecto principal por orden de trabajo<br />
<br />
59<br />
61<br />
66<br />
67<br />
68<br />
70<br />
72<br />
73<br />
76<br />
78<br />
83<br />
85<br />
89<br />
95<br />
97<br />
103<br />
112<br />
113<br />
114<br />
115<br />
120<br />
122<br />
125<br />
126
1.47 Etapa de medición en la aplicación de SS<br />
1.48 Campos de tono lleno para la selección de color: CMYK<br />
1.49 Estudio R&R para densidad de tono del PT1524<br />
1.50 Gráfica de probabilidad normal para la variable densidad del PT1524<br />
1.51 Estudio de estabilidad para la variable densidad del PT1524<br />
1.52 Estudio de capacidad para la variable densidad del PT1524<br />
1.53 Diagrama de Ishikawa de las causas que propician la variación de tono del<br />
PT1524 138<br />
1.54 Etapa de análisis en la aplicación de SS<br />
1.55 Secuencia de colores para la impresión Offset<br />
1.56 Gráfica de probabilidad normal de los efectos estandarizados<br />
1.57 Diagrama de Pareto de efectos<br />
1.58 Gráfica de probabilidad normal y prueba de Kolmorogov Smirnov para residuos<br />
1.59 Gráfica de residuales contra los valores ajustados<br />
1.60 Gráfica de residuales contra orden de corrida<br />
1.61 Etapa de mejora en la aplicación de SS<br />
1.62 Efecto de interacción de los factores AB para la densidad de tono del PT1524<br />
1.63 Representación de los efectos principales para la densidad de tono del PT1524<br />
1.64 Gráfica de cubo (densidad de PT1524 predicha en cada combinación)<br />
1.65 Estudio de capacidad para la variable densidad del PT1524, después de las<br />
mejoras 153<br />
1.66 Estudio de estabilidad para la variable densidad del PT1524, después de las<br />
mejoras 154<br />
1.67 Etapa de control en la aplicación de SS<br />
1.68 Desarrollo y Aplicación de Seis Sigma en una empresa<br />
<br />
<br />
129<br />
130<br />
132<br />
133<br />
134<br />
135<br />
139<br />
140<br />
144<br />
144<br />
146<br />
147<br />
148<br />
149<br />
149<br />
150<br />
151<br />
155<br />
157
Índice de tablas<br />
1.1. Número de empresas en el sector de las artes gráficas<br />
1.2. Monto de inversiones en maquinaria y equipo<br />
1.3. Participación de las unidades económicas en el sector industrial<br />
1.4. PIB del sector industrial: papel, productos de papel, imprentas y editoriales<br />
1.5 Balanza comercial de productos gráficos en USD<br />
1.6 Estratificación de las empresas litográficas de acuerdo a su tamaño.<br />
1.7 Personal ocupado en el sector de las artes gráficas<br />
1.8 Tolerancia de desviación entre impreso OK e impreso a comparar<br />
1.9 Tolerancia de desviación de color con respecto a la hoja OK<br />
1.10 Densidades recomendadas para impresión offset Euroscale<br />
1.11 Densidades recomendadas para impresión offset SWOP<br />
1.12 Porcentaje de participación en las ventas 2000-2006 por cliente<br />
1.13 Etapas en la evolución del movimiento por la calidad<br />
1.14 Estratificación de artículos defectuosos por tipo de defecto y departamento.<br />
1.15 Defectos en la producción de botas<br />
1.16 Modelos de bota que presentan el defecto de reventado de piel<br />
1.17 Hoja de verificación para distribución de proceso (color)<br />
1.18 Datos para el diámetro de punterías<br />
1.19 Valores del Cp y su interpretación<br />
1.20 Notación para escribir el diseño 2 2<br />
1.21 Tabla de análisis de varianza para el diseño factorial de dos factores<br />
1.22 Diseño factorial completo 2 3 y contraste ABC<br />
1.23 Dos posibles diseños fraccionados 2 3-1<br />
<br />
5<br />
7<br />
8<br />
8<br />
11<br />
11<br />
12<br />
17<br />
17<br />
20<br />
20<br />
27<br />
48<br />
58<br />
59<br />
60<br />
63<br />
81<br />
87<br />
102<br />
105<br />
108<br />
109
1.24 Características de la O.T.9263 folleto: Promoción tarjeta Gold Credit Card<br />
1.25 Variables de salida del proceso Offset<br />
1.26 Defectos en los impresos del cliente American Express Cía.<br />
1.27 O.T. del cliente American Express Cía. que presentan variaciones de tono<br />
1.28 Volumen de reprocesos y costos asociados en el periodo 2000-2006<br />
1.29 % de sobretiros por variación de tono por pantone en la O.T. 9263<br />
1.30 Estudio R&R para densidad de tono del PT1524<br />
1.31 Capacidades potenciales y reales a corto y largo plazo<br />
1.32 Factores y niveles sobre la densidad de PT1524<br />
1.33 Construcción del diseño experimental<br />
1.34 Alias de la interacción de factores<br />
1.35 Efectos y coeficientes de regresión<br />
1.36 Análisis de varianza<br />
1.37 Corrida confirmatoria<br />
1.38 Comparativo del estado del proceso de impresión para la variable densidad de<br />
tono de PT1524 154<br />
<br />
<br />
<br />
119<br />
124<br />
125<br />
126<br />
128<br />
130<br />
131<br />
136<br />
141<br />
141<br />
142<br />
143<br />
145<br />
152
Glosario de términos<br />
C<br />
CMYK (Cyan, Magenta, Yellow, Black):<br />
Acrónimo, que significa las cuatro tintas<br />
básicas utilizadas en la impresión a color<br />
por cuatricromía. La suma de cyan (azul<br />
claro), magenta (rojo-fucsia) y amarillo da el<br />
negro. La tinta negra se añade para dar<br />
realce y contraste al color.<br />
Cromalín (Matchprint): Sistema de<br />
pruebas en color que utiliza pigmentos en<br />
polvo en lugar de tinta.<br />
D<br />
Densidad: El grado de opacidad de una<br />
imagen sobre papel o película.<br />
Densitómetro: Dispositivo sensible a la<br />
densidad de luz transmitida o reflejada por<br />
una película o papel. Sirve para comprobar<br />
la precisión, calidad y consistencia del<br />
impreso final.<br />
Díptico: Es un impreso formado por una<br />
lámina de papel o cartulina que se dobla en<br />
dos partes. Constituye un elemento<br />
publicitario ideal para comunicar ideas<br />
sencillas sobre un producto, servicio,<br />
empresa, evento, etc.<br />
<br />
G<br />
Ganancia de punto: Aumento en la<br />
densidad del punto impreso sobre un<br />
soporte que generalmente es papel.<br />
Gramaje: Es el peso de un metro cuadrado<br />
de una hoja de papel medido en gramos.<br />
Cuando se habla de un papel de 150g se<br />
está diciendo que un metro cuadrado de esa<br />
hoja de papel pesa 150g. Los papeles más<br />
utilizados vienen en gramajes de entre 70 y<br />
300 g/m 2 .<br />
L<br />
Lpi (lineaturas por pulgada): Medida de<br />
frecuencia de una trama de medios tonos o<br />
lineatura (la gama suele ir de 55 a 200 lpi).<br />
Número de puntos de trama creados por<br />
pulgada.<br />
P<br />
Pantone: Es una guía de colores estándar<br />
que manejan las industrias litográficas. El<br />
pantone clasifica los colores en números.<br />
Los colores que tengan junto a la<br />
numeración la letra “U” son los colores a<br />
utilizarse sobre papel.<br />
Prueba de color: Una representación del<br />
aspecto que tendrá la composición impresa.<br />
La calidad y resolución de las diversas<br />
pruebas de color. Las pruebas pueden ser<br />
en blanco y negro o en color.
R<br />
Registro: Aleación de varias películas o<br />
planchas de impresión para conseguir una<br />
sola imagen impresa.<br />
Refinar: Cortar a la medida<br />
S<br />
Suaje: Es una herramienta confeccionada<br />
con placa de acero para cortar, doblar o<br />
marcar materiales blandos, como: papel, tela,<br />
cuero, etc.<br />
<br />
T<br />
Tiraje: Número de copias obtenidas en papel<br />
de un negativo determinado.<br />
Tríptico: Impreso publicitario formado por<br />
una lámina de papel o cartulina que se<br />
dobla en tres partes.<br />
V<br />
Variable crítica de calidad (VCC):<br />
Variables que reflejan el desempeño y/o<br />
resultados de un proceso, es decir, son<br />
aquellas que interesan al cliente.
Resumen<br />
Hoy en día ante la entrada de competidores internacionales que ofrecen bienes y<br />
servicios al menor precio, con altos niveles de calidad y tiempos de entrega reducidos;<br />
las empresas mexicanas requieren aplicar estrategias competitivas cuyo elemento<br />
diferenciador, del resto de la competencia, sea la calidad de sus productos y servicios y<br />
estén orientadas a la satisfacción del cliente. Para lograr lo anterior, existen una amplia<br />
variedad de técnicas orientadas a la optimización de los procesos, entre las que se<br />
encuentra Seis Sigma (SS).<br />
Una de las ventajas de SS con respecto a otras técnicas es que enfatiza la<br />
utilización de herramientas estadísticas que permitan medir la situación actual del<br />
proceso para mejorarlo. De este modo, es posible reducir defectos, disminuir el tiempo<br />
ciclo y como resultado brindar mayor satisfacción al cliente. Así pues, la aplicación de<br />
SS puede ser de gran utilidad para las empresas mexicanas que buscan reducir los<br />
defectos, aumentar su capacidad para cumplir con las especificaciones del cliente y<br />
optimizar sus procesos, motivo de estudio de la presente propuesta.<br />
El propósito de la presente investigación, es la aplicación de Seis Sigma en una<br />
empresa litográfica para solucionar un problema relacionado con la calidad del proceso<br />
de impresión Offset y por consiguiente, disminuir el número de defectos en un producto<br />
que genera un alto porcentaje en las ventas para la empresa bajo estudio. Lo anterior,<br />
a través de un enfoque orientado en el análisis estadístico de los procesos.<br />
A partir de lo anterior, se demuestra que la aplicación de SS no sólo puede<br />
aplicarse en grandes consorcios internacionales, sino también puede adaptarse a<br />
empresas litográficas de tamaño medio, pequeño y grande, debido a que la aplicación<br />
de SS no demanda de grandes inversiones, ya que sólo se requiere del análisis del<br />
proceso y de los factores que influyen sobre las variables críticas de calidad para<br />
entender y reducir la variación. Si bien es cierto que en toda propuesta de mejora existe<br />
un costo relacionado a la etapa de experimentación, también lo es que la inversión se<br />
recupera en poco tiempo y que las ganancias generadas por la reducción de<br />
reprocesos se traducen en la disminución de costos asociados a defectos.<br />
Finalmente, a lo largo de la presente investigación se hace énfasis en la<br />
combinación del pensamiento estadístico con la experiencia de los responsables del<br />
proceso, ya que sin lugar a dudas cualquier mejora o redefinición de los métodos de<br />
trabajo es imposible si no se consideran a las personas.
Summary<br />
Nowadays before the entrance of international competitors who offer goods and<br />
services to the smaller price, with high reduced time and quality levels of delivery; the<br />
Mexican companies require applying competitive strategies whose differentiating<br />
element, of the rest of the competition, is the quality of their products and services and<br />
are oriented to the satisfaction of the client. In order to obtain the previous thing, they<br />
are an ample variety of techniques oriented to the optimization of the processes,<br />
between which is Six Sigma (SS).<br />
One of the advantages of SS with respect to other techniques is that it<br />
emphasizes the use of statistical tools that allow measuring the present situation of the<br />
process to improve it. In this way, it is possible to reduce defects, to diminish the time<br />
cycle and like turn out to offer greater satisfaction to the client. Therefore, the<br />
application of SS can be very useful for the Mexican companies that they look for to<br />
reduce the defects, to increase his capacity to fulfill the specifications of the client and to<br />
optimize his processes, reason for study of the present proposal.<br />
<br />
The intention of the present investigation is the application of Six Sigma in a<br />
lithographical company to solve a problem related to the quality of the process of Offset<br />
impression and therefore, to diminish the number of defects in a product that generates<br />
a high percentage in the sales for the company under study. The previous thing,<br />
through an approach oriented in the statistical analysis of the processes.<br />
From the previous thing, one demonstrates that the application of SS not only<br />
can be applied in great international partnerships, but also can adapt to lithographical<br />
means companies so large, small and big, because the application of SS non demand<br />
of great investments, already that are only required of the analysis of the process and of<br />
the factors that influence the variables quality critics to understand and to reduce the<br />
variation. If it is certain well that in all proposal of improvement a cost related to the<br />
experimentation stage exists, also is it that the investment recovers in short time and<br />
that the gains generated by the reduction of reprocesos are translated in the diminution<br />
of costs of producing defects.<br />
Finally, throughout the present investigation emphasis in the combination is<br />
made of the statistical thought with the experience of the people in charge of the<br />
process, since without doubt any improvement or redefinition of the work methods is<br />
impossible if they do not consider the people.
Introducción<br />
Hoy en día ante la apertura de mercados internacionales, cada vez más<br />
exigentes, los cuales ofrecen al consumidor una amplia variedad de productos y<br />
servicios al menor precio; las empresas mexicanas han redoblado sus esfuerzos no<br />
sólo para sobrevivir, sino también para distinguirse de entre los demás competidores.<br />
Lo anterior, conlleva a realizar acciones desde revisar la misión de la empresa, su<br />
visión y objetivos estratégicos para alinear los esfuerzos de todos los miembros de la<br />
empresa; hasta generar propuestas para mejorar los procesos.<br />
Si bien es cierto que las empresas mexicanas desean ser competitivas; también<br />
lo es que pocas son capaces de comprometerse a nivel estratégico, táctico y funcional<br />
en analizar y optimizar sus procesos para contribuir a la mejora continua de la calidad.<br />
Un ejemplo de lo anterior, lo constituye la Industria de las Artes Gráficas que a través<br />
de los años ha apostado su desarrollo a la tecnología existente y a la experiencia de los<br />
responsables del proceso, sin apoyarse en herramientas objetivas y en el pensamiento<br />
estadístico para mejorar el proceso de producción. Entre las consecuencias de estas<br />
prácticas, destaca el incremento en las importaciones de los productos gráficos y la<br />
desaparición de pequeñas y medianas empresas.<br />
Por este motivo, el mejoramiento de la calidad es un elemento determinante en<br />
la competitividad de las empresas; y por consiguiente no puede depender sólo del<br />
departamento de calidad, ya que debe ser algo que afecte a la globalidad de la<br />
empresa, desde los directivos quienes deben mostrarse comprometidos con los<br />
cambios, hasta los operarios, de manera que se consiga una actitud participativa de<br />
todo el personal para el logro de los objetivos. Este nuevo enfoque lleva a la necesidad<br />
de replantear el flujo de trabajo de la empresa, de manera que se reduzcan defectos,<br />
se optimicen los procesos productivos y se mejore la calidad.<br />
Para lograr lo anterior, existen una amplia variedad de técnicas y de<br />
metodologías orientadas a la mejora continua de los procesos y de los productos, entre<br />
las que destaca la metodología Seis Sigma, la cual a diferencia de otras técnicas, hace<br />
mayor énfasis en el análisis estadístico del proceso para mejorarlo.<br />
Es importante mencionar que hoy en día se presentan una amplia variedad de<br />
metodologías y herramientas que intentan mejorar la calidad de un producto o servicio.<br />
Gran parte del éxito o fracaso del uso de estas herramientas y metodologías dependen<br />
del buen entendimiento y comprensión de los fundamentos y conceptos de la persona o<br />
grupo de trabajo responsable de su implementación. Al obviar dichos conocimientos en<br />
conjunto con la falta de contextualización de dichas herramientas o metodologías al<br />
entorno social, económico, cultural de una empresa. La tendencia, por lo general,<br />
<br />
1
esulta en aplicarlas como una “receta de cocina” esperando que funcionen con el<br />
mismo grado de éxito con el que se ha reportado en otros casos de éxito en la<br />
literatura. Tal es el caso de la metodología Seis Sigma cuyo concepto fundamental<br />
radica en el enfoque de procesos y las propiedades inherentes y propias de procesos<br />
como lo son su definición, análisis, medición, mejora, y control.<br />
Luego entonces, el objetivo de esta tesis es la aplicación de Seis Sigma (SS) en<br />
la empresa Surtidora Gráfica S.A. de C.V. La presente investigación se encuentra<br />
enfocada a la mejora del proceso de impresión en una empresa productora de<br />
impresos comerciales, y a la disminución de los defectos a través de la mejora continua<br />
de la calidad del producto y del proceso. De este modo, esta propuesta demuestra que<br />
la aplicación de SS no sólo puede aplicarse en grandes consorcios internacionales,<br />
sino también puede adaptarse a empresas mexicanas de tamaño medio, pequeño y<br />
grande, debido a que la aplicación de SS no demanda de grandes inversiones ni de<br />
equipos con tecnología de punta, ya que sólo se requiere del análisis del proceso y de<br />
los factores que influyen sobre la(s) variable(s) crítica(s) de calidad para entender y<br />
reducir la variación.<br />
Así pues, la aplicación de SS es de gran utilidad para las empresas mexicanas<br />
que buscan reducir los defectos, aumentar su capacidad para cumplir con las<br />
especificaciones del cliente y optimizar sus procesos, motivo de estudio de la presente<br />
propuesta que se compone de los siguientes cuatro capítulos:<br />
En el Capítulo I Análisis de la industria gráfica en México se presentan las<br />
principales características de la industria litográfica mexicana; la razón de este<br />
apartado se debe a que es en el sector de las Artes Gráficas en donde se aplicó Seis<br />
Sigma. El objetivo de este capítulo es proporcionar un marco de referencia de la<br />
situación actual de las empresas litográficas en este país, destacando la participación<br />
de este sector en la economía nacional y los recientes estándares e indicadores en<br />
calidad de impresión.<br />
La aplicación de Seis Sigma se llevó a cabo en la empresa Surtidora Gráfica<br />
S.A. de C.V. es por ello que en el Capítulo II Situación actual de la empresa<br />
Surtidora Gráfica S.A. de C.V se expone una semblanza histórica de la misma, de la<br />
familia de productos que actualmente se producen y de la participación de los clientes<br />
en las ventas de la empresa. Asimismo, se presentan las características de los<br />
diferentes sistemas de impresión y las ventajas del sistema Offset. También se<br />
describe la estructura organizacional de la empresa, de manera argumentada se ubica<br />
el departamento en el cual se aplicó SS; por último, se expone la problemática propia<br />
del departamento, y como es que da lugar a la aplicación de la presente propuesta.<br />
El Capítulo III Definición y herramientas estadísticas de la calidad tiene<br />
como objetivo presentar el marco teórico de la investigación, desde la definición de<br />
empresa, las variables que afectan su desempeño y la metodología SS hasta las<br />
principales herramientas básicas utilizadas y el diseño experimental en el que se basó<br />
para el desarrollo de la etapa de mejora del proceso de impresión. En el primer<br />
<br />
2
apartado se presentan los orígenes de la empresa, la razón de su existencia y las<br />
variables que afectan su desempeño, más adelante se define el concepto de calidad y<br />
su evolución a través del tiempo.<br />
Asimismo, se presenta Seis Sigma desde dos enfoques como métrica y como<br />
metodología en la solución de problemas asociados con la reducción de defectos y la<br />
mejora continua de la calidad de los productos y de los procesos.<br />
Finalmente, se exponen las herramientas básicas para la aplicación de SS y<br />
herramientas estadísticas útiles para determinar el estado de un proceso: estabilidad y<br />
capacidad. Por otro lado, se incluye un apartado de diseño de experimentos en el que<br />
se explica a detalle conceptos básicos como son: principios del diseño de<br />
experimentos, características del diseño factorial fraccionado 2 k y el análisis de<br />
varianza (ANOVA) que sirve para conocer a los factores que influyen estadísticamente<br />
sobre la variable de respuesta, cabe señalar que en este apartado no se exponen a<br />
detalle los diferentes diseños experimentales; ya que existe una amplia variedad de<br />
diseños los cuales se dejan a criterio del experimentador y en la aplicación de SS para<br />
la empresa bajo estudio se utilizó el diseño factorial fraccionado. Asimismo, este<br />
reporte no es un tratado de diseño experimental, sino una aplicación de SS.<br />
En el Capítulo IV Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
se presenta la aplicación de SS, es decir, se describe paso a paso cada una de las<br />
etapas a seguir para lograr satisfactoriamente la mejora del proceso de impresión. En<br />
la primera etapa denominada definición del proyecto SS, se presenta la delimitación del<br />
objeto de estudio, las variables críticas de calidad que influyen sobre el proceso, las<br />
metas, alcances y beneficios potenciales en el desarrollo de SS. En la etapa de<br />
medición se comprueba que la variable crítica elegida se pueda medir en forma<br />
consistente y posteriormente se desarrolla el estudio de capacidad y estabilidad del<br />
proceso, para conocer el estado actual. La siguiente etapa es la de análisis, en ella se<br />
propone un diseño de experimentos para encontrar los factores que influyen<br />
estadísticamente sobre la variable crítica. En la etapa de mejora se encuentra el punto<br />
óptimo de los factores para centrar el proceso y reducir la variación presente. En la<br />
etapa de control se proponen acciones para mantener las mejoras alcanzadas en las<br />
etapas anteriores.<br />
En la propuesta de mejora y recomendaciones se propone una combinación de<br />
herramientas básicas y estadísticas que pueden emplearse en cada una de las etapas<br />
de la aplicación de SS, a las pequeñas y medianas empresas litográficas, o bien a<br />
cualquier empresa considerando las características particulares del proceso productivo.<br />
Finalmente, en las conclusiones, se presentan las principales dificultades que se<br />
tuvieron durante la realización de esta propuesta de aplicación de SS, se abren nuevas<br />
líneas a futuras investigaciones y las aportaciones a nivel personal en la realización de<br />
esta investigación.<br />
Si bien es cierto que en toda propuesta de SS existe un costo relacionado a la<br />
etapa de experimentación, también lo es que la inversión se recupera en poco tiempo y<br />
<br />
3
que las ganancias generadas por la reducción de reprocesos se traducen en la<br />
preservación de innumerables fuentes de trabajo. Lo anterior, constituye un motivo más<br />
para analizar los procesos objetivamente, a través de datos y de manera conjunta con<br />
los responsables de cada uno de los procesos.<br />
Creo firmemente, que México y las personas que lo conformamos tenemos el<br />
talento para lograr una industria cada vez más competitiva, la cual ofrezca productos y<br />
servicios de calidad capaces de diferenciarse en mercados internacionales. Para<br />
lograrlo, se requiere del trabajo sinérgico de los miembros que integran a la empresa,<br />
de esta manera, la presente propuesta de aplicación de SS se ofrece como una<br />
herramienta a la industria litográfica que permita sustituir la subjetividad y las<br />
“corazonadas” en la toma de decisiones, por decisiones objetivas basadas en el<br />
análisis del comportamiento de los procesos.<br />
Es claro que mi propuesta, ni cualquier otra por sí sola, es la llave mágica que<br />
conducirá a México de la noche a la mañana a lograr que sus empresas se conviertan<br />
de clase mundial, ya que para alcanzarlo es necesario la contribución de cada una de<br />
las partes que conformamos esta nación. De este modo, sea pues esta mi humilde<br />
contribución al desarrollo de mi país.<br />
<br />
4
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
CAPÍTULO I<br />
Análisis de la industria gráfica en México.<br />
1.1. Situación actual de la industria gráfica en México<br />
E<br />
l entorno globalizado ha propiciado una fuerte competencia para las<br />
empresas mexicanas, ya que existe gran apertura para las empresas<br />
extranjeras que antes no tuvieron fácil acceso al mercado mexicano. Esto<br />
implica que los impresores mexicanos no tengan otra opción que buscar cómo mejorar<br />
para poder sobrevivir. Hoy en día, las empresas mexicanas litográficas aplican con<br />
mayor énfasis prácticas orientadas a la calidad y entrega a tiempo a través de<br />
eficiencias en su operación.<br />
México cuenta actualmente con cerca de 17,000 empresas del sector de las<br />
Artes Gráficas y la impresión 1 . Como se observa en la tabla 1.1 el 99.2% de las<br />
empresas son micro, pequeñas y medianas; y únicamente 0.8% son grandes<br />
imprentas, equipadas con lo último referente a tecnología de punta. El mercado de los<br />
periódicos y revistas se concentra alrededor de 400 diarios y cerca de 500 revistas que<br />
se imprimen en equipo tradicional de Offset 2 .<br />
TABLA 1.1<br />
Número de empresas en el sector de las artes gráficas<br />
Concepto<br />
Número de<br />
empresas<br />
%<br />
Microempresas (1-20) 14,075 82.1<br />
Pequeñas (21-100) 2,674 15.6<br />
Medianas (101-200) 257 1.5<br />
Mayor de 201 138 0.8<br />
TOTAL 17,144 100<br />
Fuente: Internet, http://www.canagraf.com.mx/canagraf.html, (Marzo, 2006).<br />
En los últimos años se han producido cambios cruciales en la industria de Artes<br />
Gráficas de México, pues el país se encamina a pasos agigantados hacia la<br />
globalización, por lo cual el mercado gráfico invierte en equipos modernos para poder<br />
estar a la vanguardia. Cerca de 20 de las empresas litográficas más grandes ya poseen<br />
la certificación ISO 9001 3 y un número mayor está próximo a obtenerla.<br />
1 Diagnóstico económico, tecnológico y de mercado de la industria de Artes Gráficas, Cámara Nacional<br />
de Artes Gráficas (CANAGRAF), México. 2006, p.21-23<br />
2 Ídem, p.26.<br />
3 Ídem, p.29.<br />
5
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
Del mismo modo, en los últimos cinco años se ha dado una reconversión<br />
importante en la industria de las Artes Gráficas, ya que la Cámara Nacional de Artes<br />
Gráficas (CANAGRAF) logró convencer a los fabricantes de maquinaria internacional<br />
que otorgaran créditos, porque los bancos no ofrecían la facilidad de otorgar créditos 4 .<br />
A raíz de que se abre el financiamiento, el impresor mexicano ha decidido invertir en<br />
nueva maquinaria y tecnología.<br />
1.1.1. Desarrollo y tecnología<br />
Definitivamente, el TLC ha tenido un impacto significativo en el desarrollo y<br />
transformación de México en los últimos años; ya que las empresas han aprendido a<br />
competir en un ambiente global con los mejores del mundo y la industria gráfica no es<br />
la excepción. La desregulación en materia de participación accionaria en empresas<br />
nacionales abrió la puerta a la llegada de los grandes consorcios de impresión de<br />
Norteamérica.<br />
Ante esto, los impresores mexicanos se anticiparon a la apertura; el principal<br />
beneficio que esto trajo fue la renovación tecnológica, que se dio a escala general y no<br />
sólo en un grupo selecto; el impresor mexicano invirtió en tecnología y aprovechó<br />
planes financieros mucho más atractivos; como otra ventaja de la apertura, renovó su<br />
planta productiva. En México, desde 1994, el crédito bancario ha estado prácticamente<br />
cerrado y las opciones de financiamiento han sido de los proveedores, lo cual, en lugar<br />
de restarle competitividad al mercado, han generado esquemas de financiamiento<br />
innovadores que en la actualidad ya son muy comunes 5 .<br />
Del mismo modo, la apertura a la tecnología ha transformado completamente los<br />
procesos de trabajo en el ámbito de la preimpresión. El proceso tradicional de<br />
preimpresión comprendía varias actividades independientes (composición,<br />
diagramación, litografía, retoques, etc.) a cargo de distintas categorías de personal<br />
técnico. Por consiguiente, la adquisición de nuevas tecnologías ha traído consigo la<br />
integración total del proceso de producción.<br />
Por otro lado, con el fin de apoyar al sector litográfico, la CANAGRAF ha<br />
realizado varios trabajos de conciliación en defensa de los intereses económicos, como<br />
es el caso de la eliminación de los impuestos de importación para la maquinaria de<br />
Artes Gráficas 6 . Esta situación ha permitido a los empresarios mexicanos del ramo<br />
modernizar parte de sus plantas productivas con tecnología extranjera, con un ahorro<br />
en impuestos de importación de 10 a 15 por ciento del valor de la maquinaria 7 . Lo<br />
anterior se ha visto reflejado en una mayor inversión en maquinaria y equipo. (Ver tabla<br />
1.2).<br />
4 Ídem, p.31.<br />
5 Fuente: Internet, http://www.andigraf.com.mx/economia.html, Marzo, 2007.<br />
6 Diagnóstico económico, tecnológico y de mercado de la industria de Artes Gráficas, Cámara Nacional<br />
de Artes Gráficas (CANAGRAF), México. 2006, p.32.<br />
7 Fuente: Internet, http://www.canagraf.com.mx/canagraf.html, Marzo, 2007.<br />
6
TABLA 1.2<br />
Monto de inversiones en maquinaria y equipo<br />
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
Concepto Monto en millones de dólares %<br />
Infraestructura N/D No se tienen datos N/D<br />
Maquinaria y equipo 495 100<br />
TOTAL 495 100<br />
Fuente: Diagnóstico económico, tecnológico y de mercado de la industria de artes gráficas, Cámara<br />
Nacional de Artes Gráficas (CANAGRAF). 2006, p.18.<br />
Sin embargo, en el sector de las Artes Gráficas mexicano se percibe una<br />
marcada desarticulación productiva que incide en su competitividad. Esta<br />
desarticulación productiva se genera porque en México no existen fabricantes de<br />
tecnología para el sector, generando así una alta dependencia del mercado<br />
internacional.<br />
Esta situación ha provocado que en el año 2004 se realizaran importaciones<br />
record de materiales impresos que totalizaron 750 millones de dólares con un impacto<br />
negativo en el nivel de empleo y una pérdida en el dinamismo de la actividad gráfica<br />
nacional representada por una utilización de menos del 60% de la capacidad instalada<br />
de la industria gráfica en el país 8 .<br />
Cabe señalar que en conjunto la actividad relacionada con estas tres cadenas<br />
de valor: sistemas de reproducción de impresos en offset, serigrafía e impresión<br />
digital, representan cerca del 90% del valor agregado del mercado de impresos<br />
nacional 9 .<br />
1.1.2. Participación de la industria gráfica en la economía mexicana<br />
La industria gráfica mexicana se enmarca dentro de la División IV (Papel,<br />
Productos de papel, Imprenta y Editoriales), y está clasificada en el código de<br />
actividades industriales 3420 (Imprenta, editoriales e industrias conexas) 10 . De acuerdo<br />
a la CANAGRAF, 97.7% de las empresas de la División IV, Papel, Productos de papel,<br />
Imprenta y Editoriales, son micro y pequeñas 11 .<br />
Por consiguiente, como se observa en la tabla 1.3, la participación económica de<br />
la división de papel imprenta y editoriales contribuye con el 94.2% de las<br />
microempresas, mientras que las medianas y grandes aportan sólo el 2.2% del total.<br />
8 Ídem.<br />
9 Fuente: Internet, http://www.andigraf.com.mx/economia.html, Marzo, 2007.<br />
10 Fuente: Internet, http://www.inegi.gob.mx/estadisticas/espanol/economia/divisiones.html, Marzo, 2007.<br />
11 Fuente: Internet, http://www.canagraf.com.mx/canagraf.html, Marzo, 2007.<br />
7
TABLA 1.3<br />
Participación de las unidades económicas en el sector industrial<br />
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
División Micro Pequeña Mediana Grande Total<br />
Alimentos bebidas y tabaco 98.0% 1.1% 0.7% 0.2% 100.0%<br />
Textil, vestido y cuero 92.4% 4.5% 2.7% 0.4% 100.0%<br />
Manufacturas de madera 98.1% 1.5% 0.4% 0.0% 100.0%<br />
Minerales no metálicos 97.8% 1.5% 0.6% 0.1% 100.0%<br />
Papel, imprenta y editoriales 94.2% 3.6% 2.0% 0.2% 100.0%<br />
Química, plástico o hule 79.4% 12.5% 7.4% 0.7% 100.0%<br />
Otras industrias 96.0% 2.2% 1.5% 0.3% 100.0%<br />
Industrias metálicas básicas 51.5% 19.9% 24.6% 4.0% 100.0%<br />
Fuente: Internet, http://www.inegi.gob.mx/estadisticas/espanol/economia/divisiones.html, Marzo, 2007.<br />
Según el INEGI el sector productor de papel, productos de papel, imprenta y<br />
editoriales contribuyó en 2004 en México con cerca de 0.6% del PIB total y 3.5% del<br />
PIB manufacturero, índices que frente a los registrados en el período 1990 y 2004<br />
señalan una pérdida de competitividad para un sector con altos niveles de empleo 12 .<br />
(Ver tabla 1.4).<br />
TABLA 1.4<br />
PIB del sector industrial: papel, productos de papel, imprentas y editoriales<br />
Año PIB total (1)<br />
Industria<br />
Manufacturera<br />
(2)<br />
Producción de<br />
papel, Productos de<br />
papel, Imprentas y<br />
Editoriales (3)<br />
En el PIB<br />
total (3/1)<br />
En la industria<br />
manufacturera<br />
(3/2)<br />
1997 3,179,120,384 615,478,413 25,156,175 0.80% 4.10%<br />
1998 3,848,218,307 749,292,699 30,431,088 0.80% 4.00%<br />
1999 4,600,487,758 884,331,331 35,495,685 0.80% 4.00%<br />
2000 5,497,735,550 1,013,597,561 39,278,310 0.70% 3.90%<br />
2001 5,811,776,302 1,031,217,592 40,364,823 0.70% 3.90%<br />
2002 6,267,473,796 1,068,602,799 40,012,009 0.60% 3.70%<br />
2003 6,894,992,857 1,123,213,005 41,039,667 0.60% 3.70%<br />
2004 7,634,926,081 1,253,500,383 44,030,797 0.60% 3.50%<br />
Fuente: Internet, http://www.inegi.gob.mx/estadisticas/espanol/economia/divisiones.html, Marzo, 2007.<br />
Asimismo, en la figura 1.1 se muestra que la estrecha relación entre las cifras de<br />
PIB total, manufacturero y de la División IV (Papel, Productos de papel, Imprenta y<br />
editoriales) contribuyó a un comportamiento de las actividades gráficas muy similar al<br />
de la economía mexicana en general.<br />
12 Fuente: Internet, http://www.inegi.gob.mx/estadisticas/espanol/economia/divisiones.html, Marzo, 2007.<br />
8
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
FIGURA 1.1<br />
Comparativo del crecimiento real PIB Nacional Manufacturero División IV<br />
Fuente: Diagnóstico económico, tecnológico y de mercado de la industria de artes gráficas, Cámara<br />
Nacional de Artes Gráficas (CANAGRAF). 2006, p.22.<br />
Con base en estadísticas de un censo realizado en 1998 y mediante<br />
proyecciones al año 2005, se estima que existían 461 empresas medianas y grandes y<br />
18,557 micro y pequeñas empresas para 2003, con un poco más de 214 mil<br />
trabajadores, y cuyos índices de valor de producción se han mantenido por encima de<br />
los $2 mil millones de dólares en los últimos tres años 13 (Ver figura 1.2).<br />
FIGURA 1.2<br />
Valor de la producción de la División IV (precios constantes de 1994, millones de dólares)<br />
Fuente: Diagnóstico económico, tecnológico y de mercado de la industria de artes gráficas, Cámara<br />
Nacional de Artes Gráficas (CANAGRAF). 2006, p.22.<br />
En la composición de estos valores de producción se incluyen los dos<br />
subsectores que componen la División IV: Papel, celulosa y sus productos (código<br />
CIUU 3410) e Imprentas y editoriales (3420). El subsector 3420, que según registros de<br />
13 Diagnóstico económico, tecnológico y de mercado de la industria de Artes Gráficas, Cámara Nacional<br />
de Artes Gráficas (CANAGRAF), México. 2006, p.25.<br />
9
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
CANAGRAF tenía en 2002 cerca de 17,100 establecimientos productivos y unos 145<br />
mil trabajadores, ha perdido participación en el valor de la producción del sector IV, ya<br />
que en 1994 ascendía a 40.7% del total del sector, y en 2004 descendió a 31.3% 14 .<br />
La industria gráfica cuenta en todo el mundo con una diversidad de productos<br />
que, por lo general, se agrupan en las categorías básicas de periódicos y revistas<br />
(clasificación 342001), libros y similares (342002), e impresión y encuadernación<br />
(342003) 15 . Según las condiciones particulares de un país y los vaivenes de las<br />
economías, el desempeño de cada uno de estos segmentos tiene sus propias<br />
dinámicas.<br />
En México, los periódicos y revistas cuentan con una participación de 50% en la<br />
producción total, en tanto que la producción de libros e impresos similares ha cedido<br />
terreno (de 30% en 1995 a 20% en años recientes), debido a su sensibilidad frente a<br />
las dificultades económicas de los consumidores. Un descenso menor en la distribución<br />
porcentual del mercado, vive también el sector de impresión y encuadernación, que de<br />
ostentar 30% entre 1996 y 1998, participaba en 2004 con 28% 16 .<br />
Por otro lado, México no se ha destacado como exportador de bienes impresos;<br />
por el contrario, su balanza comercial es deficitaria en este campo. En 2004, por<br />
ejemplo, las exportaciones por $290 millones de dólares de los productos contenidos<br />
en el Capítulo 49 (Productos editoriales, de la prensa o de otras industrias gráficas,<br />
textos manuscritos o mecanografiados y planos) representaron 0.17% de las<br />
exportaciones totales del país, reduciendo su valor con respecto al año anterior. Aún<br />
así, contribuyeron a un crecimiento acumulado entre 1993 y 2004 de 139.8% 17 .<br />
Como se observa en la tabla 1.5 en el período de 1990 al 2004 las<br />
importaciones de productos gráficos se han incrementado 339% 18 lo que significa que<br />
en este periodo de 14 años las importaciones han aumentado permanentemente año<br />
con año 44 millones de dólares. De este modo, el déficit en los últimos años se ha<br />
incrementado notablemente.<br />
14 Fuente: Internet, http://www.andigraf.com.mx/economia.html, Marzo, 2007.<br />
15 Estudio estratégico y programa sectorial para elevar la competitividad y el desarrollo sustentable de la<br />
cadena productiva de la industria de artes gráficas, Cámara Nacional de Artes Gráficas (CANAGRAF),<br />
México. 2004, p19.<br />
16 Ídem, p.24.<br />
17 Fuente: Internet, http://www.andigraf.com.mx/economia.html, Marzo, 2007.<br />
18 Fuente: Internet, http://www.inegi.gob.mx/estadisticas/espanol/economia/divisiones.html, Marzo, 2007.<br />
10
TABLA 1.5<br />
Balanza comercial de productos gráficos en USD<br />
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
Años 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004<br />
Imp. 181 306 432 490 607 446 452 513 613 667 720 757 770 783 795<br />
Exp. 40 87 121 132 144 184 217 268 307 302 323 297 299 294 290<br />
Déficit -141 -219 -311 -358 -463 -262 -235 -245 -306 -365 -397 -460 -471 -489 -505<br />
Fuente: Diagnóstico económico, tecnológico y de mercado de la industria de artes gráficas, Cámara<br />
Nacional de Artes Gráficas (CANAGRAF). 2006, p.23.<br />
La comercialización y adquisición de productos gráficos tiene para México unos<br />
actores claramente establecidos: Estados Unidos, por supuesto, por su vecindad y en<br />
su calidad de primer socio comercial, al que México destina tradicionalmente unas tres<br />
cuartas partes de sus exportaciones y del cual importa casi 50% de los productos<br />
impresos; Guatemala, Venezuela, Colombia y Panamá siguen a Estados Unidos en el<br />
campo de las exportaciones, con índices de participación entre 2% y 2.6%, así como<br />
otros países del área con participaciones menores 19 .<br />
1.1.3. Características de las empresas litográficas mexicanas<br />
La industria gráfica en México, constituye una de las más grandes y modernas<br />
de nuestro continente, y se ha desarrollado en los últimos años en el marco de la<br />
competencia globalizada del mercado común norteamericano. Debido a la importancia<br />
que tiene este sector para la economía mexicana, es necesario describir las principales<br />
características de las empresas litográficas nacionales.<br />
Según un estudio realizado por la CANAGRAF sobre una muestra de 603<br />
empresas de todo México, realizada en el año 2004, casi 9 de cada 10 de las<br />
compañías encuestadas son microempresas (de hasta 30 trabajadores); sólo 5% de la<br />
muestra encuestada corresponde a medianas empresas 20 . (Ver tabla 1.6.).<br />
TABLA 1.6<br />
Estratificación de las empresas litográficas de acuerdo a su tamaño<br />
Tamaño de la<br />
empresa 21<br />
Porcentaje de<br />
empresas en México<br />
Micro 90.0%<br />
Pequeña 5.0%<br />
Grande 5.0%<br />
Fuente: Diagnóstico económico, tecnológico y de mercado de la industria de artes gráficas, Cámara<br />
Nacional de Artes Gráficas (CANAGRAF). 2006, p.25.<br />
19 Estudio estratégico y programa sectorial para elevar la competitividad y el desarrollo sustentable de la<br />
cadena productiva de la industria de artes gráficas, Cámara Nacional de Artes Gráficas (CANAGRAF),<br />
México. 2004, p24.<br />
20 Ídem, 31.<br />
21 Estratificación de empresas por tamaño de la industria, de acuerdo con el número de trabajadores.<br />
Micro: 1 a 30 trabajadores; pequeña: 31 a 100; mediana: 101 a 500, y grande: 501 en adelante. Diario<br />
Oficial de la federación, 30 de marzo de 1999.<br />
11
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
Asimismo, este estudio establece que 37% de las empresas encuestadas<br />
desarrolla actividades de maquila y que la mayor parte de las empresas se dedican a<br />
actividades de impresión editorial y comercial.<br />
Por consiguiente, las empresas mexicanas del sector de las Artes Gráficas no<br />
realizan todos los procesos comprendidos en esta actividad, y permiten una integración<br />
entre las empresas mediante la subcontratación o maquila de algunas tareas, lo cual<br />
las orienta a la especialización, y establece la posibilidad de abrir nichos de mercado y<br />
aumentar la competitividad.<br />
Por otro lado, de acuerdo a cifras del INEGI en el año 1998, existían 19,513<br />
empresas en el sector, Papel y Productos de Papel, Imprenta y Editoriales, con un<br />
personal ocupado de 222,609 trabajadores; la Producción Bruta Total era de $84,799<br />
millones de pesos; sus insumos ascendían a $54,368 millones de pesos, y su Valor<br />
Agregado Bruto era de $30,431 millones de pesos 22 .<br />
En relación con el valor de la producción, en el sector "Papel, productos de<br />
papel, imprenta y editoriales", 2.2% de las empresas las medianas y grandes,<br />
participan con 70.7% de la producción total, y 97.8% de las empresas las micro y<br />
pequeñas, tienen sólo 29.3% de la producción 23 .<br />
En términos del empleo, como se observa en la tabla 1.7, el sector genera 169<br />
mil 538 empleos considerando que por cada empleo directo se generan 5 empleos<br />
indirectos con lo cual se contribuye a la economía con alrededor de un millón de<br />
empleos productivos que sostienen a igual número de familias 24 .<br />
TABLA 1.7<br />
Personal ocupado en el sector de las artes gráficas<br />
Concepto Número de trabajadores %<br />
Microempresas 66,628 39.3<br />
Pequeñas 45,606 26.9<br />
Medianas 28,313 16.7<br />
Mayor 28,991 17.1<br />
TOTAL 169,538 100<br />
Fuente: Internet, http://www.andigraf.com.mx/economia.html, Marzo, 2007.<br />
No existen cifras precisas acerca de las ventas totales de la industria gráfica<br />
mexicana, pero estimaciones de la Asociación Nacional de Industriales Gráficos<br />
(ANDIGRAF) basadas en similares consumos de papel y cartón las ubican en un monto<br />
cercano a 6,000 millones de dólares 25 .<br />
22<br />
Fuente: Internet, http://www.inegi.gob.mx/estadisticas/espanol/economia/divisiones.html, Mayo, 2007.<br />
23<br />
Ídem.<br />
24<br />
Ídem.<br />
25<br />
Fuente: Internet, http://www.andigraf/edicion/artesgraficas.com/, Mayo, 2007.<br />
12
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
En lo que respecta a tecnología entre 1990 y 2001, a México ingresaron 1.829<br />
millones de dólares en maquinaria de impresión y encuadernación 26 . Lo anterior,<br />
muestra una mayor dinámica tecnológica en la industria gráfica si se analiza desde la<br />
perspectiva de importaciones per cápita de maquinaria y equipos.<br />
Según la encuesta de la CANAGRAF respondida por cerca de 85 empresas<br />
líderes del sector de las artes gráficas en México, 40% de estas calificaron como<br />
importante la inversión en nuevos equipos de impresión, frente a 28.2% que la<br />
calificaron de muy importante y a 11.8% que la consideraron prioritaria 27 (Ver figura<br />
1.3).<br />
FIGURA 1.3<br />
Inversión en equipos de impresión<br />
Fuente: Internet, http://www.andigraf/edicion/artesgraficas.com/, Mayo, 2007.<br />
La modernización de Preprensa fue calificada como muy importante por 31.8%<br />
de los encuestados, frente a 25.9% que la calificaron de Importante y a 9.4% que la ven<br />
como prioritaria 28 .<br />
La introducción de la impresión digital es vista como importante por 27.1% de los<br />
encuestados y la modernización del acabado se considera importante para 24.7%,<br />
como muy importante para 29.4% y como prioritaria para 8.2% 29 .<br />
A partir de lo anterior, es posible notar que los empresarios, en general, están<br />
tratando de utilizar la tecnología para racionalizar procesos, integrar flujos de<br />
producción y producir trabajos de primera clase con el fin de satisfacer a un cliente<br />
26 Ídem.<br />
27 Diagnóstico económico, tecnológico y de mercado de la industria de Artes Gráficas, Cámara Nacional<br />
de Artes Gráficas (CANAGRAF), México. 2006, p35.<br />
28 Ídem, p.37.<br />
29 Ídem, p.39.<br />
12%<br />
20%<br />
28%<br />
40%<br />
Importante<br />
Muy importante<br />
Prioritaria<br />
No contestaron<br />
13
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
cada día más exigente y para diferenciar sus productos y servicios frente a la<br />
competencia 30 .<br />
Por otro lado, a pesar de los múltiples esfuerzos en la aplicación de tecnología<br />
de punta, según estudios de la CANAGRAF, el 45% de pequeñas y medianas<br />
empresas del sector gráfico desconocen las técnicas básicas del control estadístico de<br />
la calidad 31 ; asimismo un número mínimo de empresas controla sus procesos<br />
productivos. Lo anterior, ha traído como consecuencia la disminución en la<br />
competitividad de las empresas para brindar trabajos de excelente calidad en impresión<br />
y acabado.<br />
Debido a lo anterior, la nueva industria gráfica de impresión requiere romper el<br />
viejo paradigma de sacrificar la calidad por lograr entregas en el tiempo requerido.<br />
Puesto que las pérdidas económicas por la práctica de dicha estrategia han sido<br />
cuantiosas, y el mercado exige la eliminación de estos paradigmas.<br />
Sin lugar a dudas, producir defectos genera costos por reprocesos, paros y fallas<br />
en el proceso, inspecciones externas, pérdida de clientes, etc. En una economía<br />
abierta a la entrada de competidores más fuertes y comprometidos con la satisfacción<br />
del cliente, el desconocimiento del comportamiento de los procesos constituye una<br />
puerta al fracaso absoluto de la empresa.<br />
1.2. Indicadores de calidad en la industria litográfica<br />
En la industria litográfica es común que al describir un pedido de impresión se<br />
exprese en cifras, por ejemplo, los factores siguientes:<br />
Formato en cm y mm.<br />
Número de páginas.<br />
Tiraje.<br />
Precio.<br />
Fecha de entrega en días y horas.<br />
Sin embargo, para dictaminar la calidad de impresión, durante mucho tiempo, no<br />
se disponía de ningún criterio que permitiera controlar las múltiples variables que<br />
intervienen en el proceso de impresión. Así mientras otros ramos industriales producen<br />
según <br />
<br />
<br />
30 Ídem, p.39.<br />
31 Ídem, p.40.<br />
14
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
Debido a lo anterior, es importante mantener un equilibrio entre todos aquellos<br />
factores que intervienen en el proceso de impresión. Los factores a controlar a lo largo<br />
del proceso se desglosan en 32 :<br />
Variables de entrada<br />
El tipo de papel.<br />
La tinta.<br />
La lineatura: Número de puntos de trama creados por pulgada.<br />
La cobertura total de la tinta.<br />
El gramaje del papel.<br />
La densidad en masa de la tinta: cantidad de luz absorbida o ennegrecimiento<br />
de la tinta.<br />
Variables de salida<br />
Ganancia total de punto o aumento del valor tonal 33 : aumento físico del punto.<br />
Contraste de impresión: resultado que se obtiene al comparar la lectura de<br />
densidad en un área del 75% con la densidad de un área sólida, 100%, del mismo color<br />
de cuatricromía.<br />
Además de criterios tales como repinte, velos, rasguños, posición y registro 34 , la<br />
calidad de impresión se enjuicia por la fiel reproducción del valor tonal y del color así<br />
como por su estabilidad en la tirada. Los motivos más frecuentes en las reclamaciones<br />
son las diferencias de color entre, impresión y original, y las fluctuaciones de color en la<br />
tirada.<br />
En la figura 1.4 se muestran variaciones de color en la impresión de la cubierta<br />
representada. El tono violeta se consiguió imprimiendo cyan y magenta 35 . Las causas<br />
de estas fluctuaciones de color pueden estar por ejemplo en divergencias e<br />
irregularidades en los espesores de la capa de tinta, en los valores tonales de trama,<br />
en la aceptación de la tinta, etc.<br />
32 Otero Susana, Estandarización del proceso Offset, Revista: CMYK. Abril 2001. Publicación técnica de<br />
AIDO, <strong>Instituto</strong> Tecnológico de Óptica, Color e Imagen para el sector de las Artes Gráficas, Madrid.<br />
33 Se refiere al aumento en la densidad del punto impreso sobre un soporte que generalmente es papel.<br />
34 Casals, Richard, Offset: Control de Calidad, Ed. Howson-Algraphy, Madrid, 1999, p.62<br />
35 En la presente investigación, se utilizará en lo sucesivo el acrónimo CMYK, que significa las cuatro<br />
tintas básicas utilizadas en la impresión a color por cuatricromía. La suma de cyan (azul claro), magenta<br />
(rojo-fucsia) y amarillo da el negro. La tinta negra se añade para dar realce y contraste al color.<br />
15
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
FIGURA 1.4<br />
Variaciones de color en la impresión<br />
Fuente: Casals Richard, Offset: Control de Calidad, Ed. Howson-Algraphy, 1999, p.63<br />
Para lograr un enjuiciamiento de la calidad que sea realmente objetivo se<br />
requieren ineludiblemente magnitudes objetivas y un procedimiento de medición<br />
adecuado. Por consiguiente, la industria litográfica ha establecido indicadores<br />
generales de impresión para asegurar que el producto cumpla con las expectativas del<br />
cliente; dentro de estos se pueden encontrar los siguientes 36 :<br />
1. Partiendo del supuesto de que todas las variables especificadas en la normativa<br />
(color soporte, colorimetría, brillo del juego de tintas, aumento del valor tonal, etc.)<br />
están dentro de los márgenes de tolerancia que establece la norma, de esta manera, el<br />
impresor debe mantener la densidad estable con respecto a los valores que haya<br />
tomador como referencia. Para definir los valores de referencia, se tienen dos<br />
opciones:<br />
a) Utilizar la densidad que se establece en norma y mantenerla estable durante<br />
todo el proceso. Es necesario tener en cuenta que la tolerancia de desviación entre el<br />
impreso Ok 37 y la referencia según la norma UNE 54102:2 debe estar dentro de los<br />
parámetros que se muestran en la tabla 1.8.<br />
b) Utilizar las densidades que el impresor estime oportunas, siempre y cuando el<br />
cliente este conforme con los resultados obtenidos y el impresor se comprometa a<br />
mantenerlos estables.<br />
36 Martorell Juan, Estándares de impresión, Revista: CMYK. Junio 2002. Publicación técnica de AIDO,<br />
<strong>Instituto</strong> Tecnológico de Óptica, Color e Imagen para el sector de las Artes Gráficas, Madrid.<br />
37 El impreso O.K u hoja de visto bueno, es aquel impreso que es autorizado por el supervisor y que<br />
cumple con las especificaciones de calidad y será la referencia para conservar los parámetros<br />
establecidos al inicio durante el proceso de impresión.<br />
16
TABLA 1.8<br />
Tolerancia de desviación entre impreso OK e impreso a comparar<br />
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
Negro Cyan Magenta Amarillo<br />
Tolerancia de la desviación* 4 5 8<br />
*Tolerancia CIE <br />
cuatricromía.<br />
Fuente: De Gracia V, La gestión de color y la prueba de conformidad. Revista: CMYK. Junio 2003.<br />
Publicación técnica de AIDO, <strong>Instituto</strong> Tecnológico de Óptica, Color e Imagen para el sector de las Artes<br />
Gráficas, Madrid.<br />
2. El registro de cada color debe ser preciso. Se denomina registro a la capacidad de<br />
que el color indicado se ubique en la zona destinada exclusivamente para dicho color.<br />
3. El impreso debe tener la posición adecuada a la planeada en Preprensa y de<br />
acuerdo a las pruebas de color autorizadas por el cliente.<br />
4. La norma ISO 2846: Impresión Offset establece que para que un tiraje sea correcto<br />
al menos en el 68% de los impresos, las diferencias de color con respecto a la hoja OK<br />
no excederán los siguientes valores, que se muestran en la tabla 1.9:<br />
TABLA 1.9<br />
Tolerancia de desviación de color con respecto a la hoja OK<br />
Negro Cyan Magenta Amarillo<br />
Tolerancia de la variación* 2 2.5 4<br />
<br />
cuatricromía.<br />
Fuente: De Gracia V, La gestión de color y la prueba de conformidad. Revista: CMYK. Junio 2003.<br />
Publicación técnica de AIDO, <strong>Instituto</strong> Tecnológico de Óptica, Color e Imagen para el sector de las Artes<br />
Gráficas, Madrid.<br />
Lo anterior, está relacionado de manera directa a la importancia de estandarizar<br />
el proceso de Impresión Offset. Sin lugar a dudas, seguir un estándar de impresión<br />
supone una ruptura con los esquemas de trabajo conocidos, ya que implica una nueva<br />
forma de trabajo del operador de máquina y, a su vez, numerosas y considerables<br />
ventajas.<br />
El seguir un estándar que indique unos valores predeterminados conlleva una<br />
importante reducción del azar en el proceso productivo, siempre y cuando se trabaje<br />
bajo las condiciones señaladas por la normativa. Esta reducción de la incertidumbre<br />
3<br />
6<br />
17
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
supone un incremento de la fiabilidad en el resultado final del proceso, lo que se<br />
traduce en:<br />
Una reducción de los tiempos de producción, pues se evita la búsqueda de<br />
aquellas variables correctas para cada trabajo y el consecuente ajuste de la máquina<br />
para cada uno.<br />
Una reducción de los costos de producción. La reducción de los tiempos supone<br />
una reducción de los costos ya que en un mismo período de tiempo se pueden realizar<br />
más trabajos. Al mantener todas las variables constantes, todo el proceso gana en<br />
fiabilidad, con lo cual no es necesario echar a perder grandes cantidades de papel y<br />
tinta ajustando la máquina hasta el punto deseado.<br />
1.2.1. Estándares de impresión Offset: ISO 12647-2:1996<br />
Si bien es cierto que son múltiples las variables que, dentro del proceso de<br />
impresión inciden en el correcto resultado del trabajo; también lo es la importancia de<br />
controlar dichas variables a fin de asegurar que el trabajo final cumpla con las<br />
especificaciones del cliente.<br />
Por lo tanto, si se comprende la interrelación que existe entre estas variables y<br />
se consigue mantenerlas bajo unos parámetros constantes o estándares de impresión,<br />
es posible asegurar en gran medida el resultado final y lograr una mayor predecibilidad<br />
sobre todo el proceso.<br />
Debido a lo anterior, el sector de las Artes Gráficas ha establecido recientemente<br />
estándares que permitan controlar el proceso productivo y cumplir con las<br />
especificaciones del cliente.<br />
Los estándares pertenecientes a cualquier ámbito, son aprobados por aquellos<br />
organismos reconocidos oficialmente, como la Organización Internacional para la<br />
Estandarización ISO, que establecen criterios que facilitan y aseguran el proceso<br />
productivo. Dentro del organismo ISO existe el comité técnico TC 130 que se<br />
responsabiliza de la normalización referente a las artes gráficas.<br />
Desde 1996, se ha publicado el estándar 12647 titulado Procesos de control<br />
para la manufactura de separaciones de color de semitonos, pruebas y producción de<br />
impresos, que está dividido en siete partes, relacionadas con los diversos<br />
procedimientos de impresión 38 :<br />
1. Parámetros y métodos de medición (Parameters and measurement methods).<br />
ISO 12647-1:1996, actualmente en revisión.<br />
38 Comité Técnico TC 130 ISO 12647-2:1996 Procesos de control para la manufactura de separaciones<br />
de color de semitonos, pruebas y producción de impresos, Ginebra, Suiza. 1996.<br />
18
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
2. Procesos de litografía offset en plano y rotativa (Offset lithographic process).<br />
ISO 12647-2:1996, en revisión.<br />
3. Litografía offset en frío e impresión tipográfica en papel prensa (Coldset offset<br />
lithography and letterpress on newsprint). ISO 12647-3:1998, en revisión.<br />
4. Proceso de publicación en huecograbado (Publication gravure process). ISO<br />
12647-4, primer borrador abril de 1998.<br />
5. Impresión en serigrafía (Screen printing). ISO 12647-5:2001, publicada en<br />
diciembre de 2001.<br />
6. Impresión flexográfica (Flexographic printing). ISO 12647-6, primer borrador abril<br />
de 2000.<br />
7. Impresión directa (Direct printing; es decir: impresión digital). ISO 12647-7 primer<br />
borrador 1999.<br />
Asimismo, es necesario señalar que la normalización en materia de impresión<br />
litográfica es reciente; ya que a diferencia de otros estándares que hoy en día están en<br />
proceso de efectuar revisiones posteriores, los estándares establecidos por dicho<br />
comité se crearon en 1996 y continúan en proceso de primera revisión.<br />
En estas normas se especifican tipos y colores del papel, colores y densidad de<br />
las tintas, ganancia de punto y otros parámetros de impresión mensurables. Así por<br />
ejemplo de acuerdo a la noma ISO 12647-2:1996 se establecen los siguientes tipos de<br />
papel 39 :<br />
Tipo 1: Estucado brillante, (sin madera) es decir, es papel hecho de pasta<br />
química, no con pasta mecánica, 115 g/m2.<br />
Tipo 2: Estucado mate, sin madera, 115 g/m2.<br />
Tipo 3: Estucado brillante en bobina 70 g/m2.<br />
Tipo 4: No estucado, blanco, 115 g/m2.<br />
Tipo 5: No estucado, ligeramente amarillento, 115 g/m2<br />
Actualmente, existen otras especificaciones de impresión creadas por<br />
asociaciones litográficas de diversos países. Lo anterior, es consecuencia de la<br />
necesidad que existía en la industria de normalizar el proceso de impresión desde el<br />
año 1970, estos estándares, como se observa en la tabla 1.10 y 1.11 son compatibles y<br />
complementarios con los que señala la norma ISO 12647-2:1996.<br />
39 ISO 12647-2:1996<br />
19
TABLA 1.10<br />
Densidades recomendadas para impresión offset Euroscale<br />
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
C=1.55 M=1.55 Y=1.40 K=1.80<br />
+/- 4% Para todos los valores de densidad<br />
Fuente: Otero Susana, Estándares de impresión. Revista: CMYK. Agosto 2003. Publicación técnica de<br />
AIDO, <strong>Instituto</strong> Tecnológico de Óptica, Color e Imagen para el sector de las Artes Gráficas, Madrid.<br />
TABLA 1.11<br />
Densidades recomendadas para impresión offset SWOP<br />
Tipo de papel Cyan Magenta Amarillo Negro<br />
Estucado brillante 1.40 1.50 1.05 1.70<br />
Estucado mate 1.30 1.40 1.00 1.60<br />
Estucado normal 1.15 1.15 0.90 1.30<br />
Estucado ligero 1.30 1.40 1.00 1.60<br />
Satinado 1.15 1.20 0.95 1.40<br />
Offset no estucado 1.00 1.12 0.95 1.25<br />
Periódico 0.90 0.90 0.85 1.05<br />
Fuente: De Gracia V, La gestión de color y la prueba de conformidad. Revista: CMYK. Junio 2003.<br />
Publicación técnica de AIDO, <strong>Instituto</strong> Tecnológico de Óptica, Color e Imagen para el sector de las Artes<br />
Gráficas, Madrid.<br />
Entre las diversas especificaciones de impresión se pueden señalar las<br />
siguientes 40 :<br />
SWOP. Especificaciones para publicaciones en rotativas de litografía offset<br />
(Specifications for Web Offset Publications, SWOP) son unas normas de uso en los<br />
Estados Unidos para la impresión en rotativas offset sobre papel estucado.<br />
Comenzaron a publicarse en 1976 y han sido actualizadas varias veces.<br />
GRACOL. Requisitos generales para aplicaciones en litografía offset<br />
comercial (General Requirements for Applications in Commercial Offset Lithography,<br />
GRACol) son unas especificaciones para la impresión en offset desarrolladas desde<br />
1996 por un comité de la Asociación de Comunicaciones Gráficas (Graphic<br />
Communications Association).<br />
ESTÁNDAR EUROSCALE. Este estándar desarrollado en Europa se compone<br />
de varias normativas relacionadas todas ellas con los distintos factores que intervienen<br />
en el proceso de impresión: colorimetría de las tintas, densidades de impresión,<br />
gramaje de los soportes, iluminantes colorimétricos, etc.<br />
Por otro lado, es necesario subrayar la importancia que tiene en el sector de las<br />
artes gráficas los estándares de impresión, ya que permiten sustituir la visión subjetiva<br />
40 Martorell Juan, Estándares de impresión, Revista: CMYK. Junio 2001. Publicación técnica de AIDO,<br />
<strong>Instituto</strong> Tecnológico de Óptica, Color e Imagen para el sector de las Artes Gráficas, Madrid.<br />
20
CAPÍTULO I<br />
Análisis de la industria gráfica en México<br />
del operador de máquina, por la objetividad de unos datos aprobados por organismos<br />
oficiales para la estandarización.<br />
Es importante mencionar que no se pretende hacer un análisis riguroso de cada<br />
una de las normas que conforman el estándar ISO 12647-2:1996 en este apartado,<br />
sino dar un panorama general de la normatividad vigente en el sector de las Artes<br />
Gráficas; ya que en páginas posteriores se abordaran a detalle las normas y<br />
especificaciones aplicables al presente trabajo.<br />
Sin lugar a dudas, la industria de las Artes Gráficas presenta hoy en día grandes<br />
retos que debe superar, no sólo para sobrevivir en un mercado altamente competitivo,<br />
sino también para distinguirse de los demás competidores internacionales; a través de<br />
la calidad como elemento diferenciador en sus productos y servicios.<br />
Si bien es cierto que una de las desventajas que presenta el sector litográfico<br />
mexicano, son las numerosas importaciones de material impreso de países como<br />
Estados Unidos, Panamá, Guatemala y Venezuela; también lo es que se puede traducir<br />
en una oportunidad para aplicar estrategias robustas enfocadas a la calidad de los<br />
procesos y que incidan sobre los productos.<br />
En el siguiente capítulo, se presenta la situación y problemática actual de la<br />
empresa Surtidora Gráfica S.A. de C.V., que constituye un reflejo de la realidad de<br />
muchas pequeñas y medianas empresas mexicanas litográficas.<br />
21
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica S.A. de C.V.<br />
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica<br />
S.A. de C.V.<br />
2.1. Antecedentes<br />
urtidora Gráfica S.A. de C.V. es una empresa litográfica mediana 41 S<br />
creada<br />
en 1965; la cual desde sus inicios tiene por objetivo, ser una de las<br />
opciones más confiables para el exigente mercado de la industria gráfica.<br />
Lo anterior, ha permitido que la empresa no sólo abarque el área de impresión, sino<br />
también la fase de acabado y producción final.<br />
Desde su creación Surtidora Gráfica S.A. de C.V. ha logrado posicionarse entre<br />
los proveedores nacionales líderes en impresión, debido a la alta fidelidad de color en<br />
trabajos de impresión, calidad en acabado final y tiempos de entrega al cliente. Dichas<br />
características le han permitido sobresalir dentro del mercado nacional e internacional.<br />
Un ejemplo de lo anterior, es que desde 1990 American Express Cía. (AMEX)<br />
constituye uno de los principales clientes para esta empresa, ya que Surtidora Gráfica<br />
S.A. de C.V. fue designada como proveedor exclusivo de papelería a las distintas<br />
filiales en el país y formar parte de los tres proveedores AMEX a nivel internacional. Del<br />
mismo modo, desde 1995 se elabora de manera mensual, en los talleres de la<br />
empresa, <br />
Ser proveedor exclusivo de una empresa de alto reconocimiento mundial como<br />
lo es American Express Cía., no ha sido una tarea fácil, puesto que la empresa ha<br />
tenido que demostrar su supremacía a través del trabajo continuo de las áreas que<br />
conforman a la empresa.<br />
Debido a lo anterior, con el propósito de mejorar todos los días y brindar un<br />
producto de mayor calidad en 1998 se adquirieron máquinas, con tecnología de punta,<br />
que permitieran estar a la vanguardia en impresión.<br />
Dentro de los siguientes años, Surtidora Gráfica ha continuado brindando un<br />
producto y servicio post venta enfocado a las necesidades de cada cliente, lo cual ha<br />
sido traducido en el incremento del número de clientes, entre los cuales destacan:<br />
American Express Cía., BBVA Bancomer, Berol, Banamex, Aseguradora Qualitas,<br />
41 Estratificación de empresas por tamaño de la industria, de acuerdo con el número de trabajadores.<br />
Micro: 1 a 30 trabajadores; pequeña: 31 a 100; mediana: 101 a 500, y grande: 501 en adelante. Diario<br />
Oficial de la Federación, 30 de marzo de 1999.<br />
22
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica S.A. de C.V.<br />
Seguros GNP, Seguros Ford Insure, Seguros Metlife, Industria Agrícola Carredana,<br />
Trojan, Clínica Mayo, The Anglo American Foundation y Hospital ABC.<br />
Con respecto a la producción interna, el producto con mayores niveles de<br />
producción es la papelería POP bancaria (paper office products) con el 55% en la que<br />
se encuentran los flyers 42 , dípticos, trípticos, cuadrípticos y folletos, posteriormente se<br />
ubican los carteles, insertos para diarios y revistas, agendas, cajas y etiquetas con los<br />
porcentajes correspondientes que se muestran en la figura 1.5 43 .<br />
15%<br />
10%<br />
2%<br />
5%<br />
FIGURA 1.5<br />
Porcentajes de producción por familia de productos de Surtidora Gráfica S.A. de C.V.<br />
Fuente: Reportes de producción correspondientes al periodo 2000-2006 de la empresa Surtidora Gráfica<br />
S.A. de C.V.<br />
Como se observa en la figura 1.6, en la última década Surtidora Gráfica S.A. de<br />
C.V. ha incursionado en el mercado internacional, exportando material impreso a<br />
Estados Unidos, Europa, Canadá, así como Centro y Sudamérica. Lo anterior, ha sido<br />
resultado de la gran diversidad de clientes internacionales con los cuales cuenta la<br />
empresa.<br />
42 Los flyers, son impresos que no requieren doblez o encuadernado.<br />
43 Reportes de producción correspondientes al departamento de Offset al periodo 2000-2006 de la<br />
empresa Surtidora Gráfica S.A. de C.V.<br />
13%<br />
55%<br />
Papeleria POP<br />
Carteles<br />
Insertos<br />
Agendas<br />
Cajas<br />
Etiquetas<br />
23
2000-2006<br />
Sudamérica<br />
Centroamérica<br />
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica S.A. de C.V.<br />
Europa<br />
Estados Unidos<br />
FIGURA 1.6<br />
Exportaciones de material impreso de Surtidora Gráfica S.A. de C.V.<br />
Fuente: Reportes de ventas internacionales correspondientes al periodo 2000-2006 de la empresa<br />
Surtidora Gráfica S.A. de C.V.<br />
Asimismo, el volumen de ventas nacionales se ha incrementado<br />
considerablemente durante el periodo 2000-2006, lo cual se debe a la escasez de<br />
empresas litográficas nacionales que cuenten con la flexibilidad necesaria para imprimir<br />
una gran variedad de formatos como son: etiquetas auto adheribles, cajas, agendas,<br />
estampado hot-stamping, papelería POP, posters, cajas, etc. (Ver figura 1.7).<br />
2007 a la fecha<br />
2006<br />
2005<br />
2004<br />
2003<br />
2002<br />
2001<br />
2000<br />
Periodo<br />
135,323<br />
389,515<br />
542,467<br />
Volumen de exportaciones (piezas)<br />
0 10,000,000 20,000,000 30,000,000<br />
Número de piezas<br />
1,074,451<br />
19,896,935<br />
26,978,452<br />
26,789,465<br />
24,978,635<br />
23,995,896<br />
25,989,698<br />
24,899,652<br />
25,465,213<br />
FIGURA 1.7<br />
Volumen de ventas nacionales de Surtidora Gráfica S.A. de C.V.<br />
Fuente: Reportes de ventas nacionales del periodo 2000-abril 2007 de la empresa Surtidora Gráfica S.A.<br />
de C.V.<br />
En lo que respecta a la estructura organizacional de la empresa, está<br />
encabezada por la Dirección General, la cual se apoya en los coordinadores de las<br />
áreas respectivas (Ver figura 1.8).<br />
Orgánicamente Surtidora Gráfica S.A. de C.V., se divide en las siguientes áreas:<br />
24
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica S.A. de C.V.<br />
Área de Producción, en donde se llevan a cabo las diferentes etapas de<br />
fabricación para obtener un producto final acorde a las especificaciones del cliente.<br />
Área de Cotizaciones la cual es la encargada de cotizar los posibles trabajos<br />
procesados por el Área de Producción, de tal manera que establezca el costo del<br />
producto final de acuerdo a los procesos e insumos a emplear.<br />
El Área Comercial se encarga de captar nuevos clientes y ser intermediario entre<br />
el cliente y el Área de Producción, ya que recibe y custodia los archivos del cliente.<br />
El Área de Finanzas, es la encargada de gestionar los recursos económicos de<br />
la empresa como es: pago de impuestos, tesorería, pago a proveedores, etc.<br />
Finalmente, el Área de Recursos Humanos se enfoca a la administración de<br />
personal, gestión de sueldos y salarios, proporcionar capacitación y prestaciones, etc.<br />
Área de<br />
Producción<br />
Depto de<br />
Preprensa<br />
Depto de<br />
Offset<br />
Depto de<br />
Acabado<br />
Área de<br />
Cotizaciones<br />
Depto de<br />
Compras<br />
Depto de<br />
Cotizaciones<br />
Dirección<br />
General<br />
Área<br />
Comercial<br />
Depto de<br />
Ventas<br />
Departamento bajo estudio<br />
FIGURA 1.8<br />
Organigrama general de Surtidora Gráfica S.A. de C.V.<br />
Fuente: Elaboración propia<br />
Área de<br />
Finanzas<br />
Área de<br />
Recursos<br />
Humanos<br />
Como se mencionaba anteriormente, el Área de Producción es la encargada de<br />
procesar los insumos y transformarlos en un producto final y esta conformada por los<br />
departamentos de Preprensa, Offset y Acabado. (Ver figura 1.8).<br />
En el departamento de Preprensa se efectúa el proceso de transformación de<br />
los proyectos, ya que es aquí en donde se reciben los archivos de los clientes y se les<br />
realizan los ajustes de acuerdo a las características de las máquinas del departamento<br />
25
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica S.A. de C.V.<br />
de Offset, es decir, se llevan a cabo las pruebas de color, suajes, ajustes de imagen y<br />
se realizan las formaciones de acuerdo a las medidas de la máquina en la que se va a<br />
imprimir, para posteriormente elaborar las placas correspondientes.<br />
El departamento de Offset, se dedica a imprimir en papel las imágenes que<br />
llegaron en un inicio en forma de archivo digital al departamento de Preprensa. Este es<br />
el único departamento en que se laboran dos turnos por dos razones: la primera es que<br />
el departamento de Offset genera la mayor solvencia económica para la empresa, ya<br />
que si no existe material impreso las etapas subsecuentes del proceso se detienen. Por<br />
otro lado, los tirajes requieren de inspección continua, debido a que las modificaciones<br />
en los tonos de los colores generarían rechazos por parte del cliente.<br />
Debido a la importancia económica que presenta este departamento para la<br />
empresa y los exigentes niveles de calidad de tono que requieren los impresos para<br />
obtener un producto de calidad, se eligió este departamento para aplicar Seis Sigma en<br />
el capítulo IV.<br />
Finalmente, el departamento de Acabado se encarga de efectuar el refine (corte<br />
a la medida) correspondiente para que el impreso tenga las medidas finales de acuerdo<br />
a la orden de trabajo, efectuar los suajes o bien acondicionar los trabajos para entrar a<br />
las demás máquinas (dobladora y tren de encuadernación) en donde se realizan las<br />
operaciones de doblado, en el caso de dípticos, trípticos y cuadrípticos, y<br />
encuadernado para revistas.<br />
La semblanza anterior, muestra a una empresa con más de 40 años de<br />
existencia la cual a través del tiempo, ha logrado posicionarse dentro del mercado<br />
litográfico. Sin embargo, hoy en día ante la apertura de mercados internacionales cada<br />
vez más exigentes Surtidora Gráfica S.A. de C.V., requiere enfocarse a la mejora<br />
continua de los procesos productivos que intervienen, de tal manera, que la calidad de<br />
sus productos constituya un elemento diferenciador entre las múltiples opciones que<br />
ofrece el sector de las Artes Gráficas.<br />
2.2. Clientes y productos<br />
Como se mencionaba anteriormente, entre los principales clientes con los que<br />
cuenta la empresa destacan American Express Cía. y BBVA Bancomer con una<br />
participación en las ventas de la empresa del 40% y 15% respectivamente (Ver figura<br />
1.9). Mientras que Trojan tiene una participación del 10% 44 .<br />
Lo anterior, es resultado de los grandes volúmenes mensuales de impresos que<br />
se procesan para ambos clientes, no sólo a nivel nacional sino también la exportación<br />
de folletos y dípticos principalmente a Estados Unidos, Europa y Centroamérica.<br />
44 Reportes del departamento de Ventas de la empresa Surtidora Gráfica S.A. de C.V.<br />
26
35%<br />
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica S.A. de C.V.<br />
FIGURA 1.9<br />
Clientes y porcentaje de participación en las ventas de Surtidora Gráfica S.A. de C.V.<br />
Fuente: Elaboración propia<br />
A continuación se muestra en la tabla 1.12 la participación en las ventas de cada<br />
uno de los clientes de la empresa Surtidora Gráfica S.A. de C.V. y los productos con<br />
mayor demanda para cada cliente, los cuales se denotan con los números 1,2,3,4,5 y 6<br />
cuya descripción se menciona en la misma tabla.<br />
TABLA 1.12<br />
Porcentaje de participación en las ventas 2000-2006 por cliente<br />
Cliente<br />
% de<br />
participación<br />
en ventas<br />
American Express Cía. 39.8<br />
BBVA Bancomer 14.95<br />
Trojan 8.12<br />
Banamex 5.7<br />
Berol 2.5<br />
Seguros Metlife 6.42<br />
Ford Insure Club 3.5<br />
Zurich de México 4.6<br />
Aseguradora Qualitas 6.2<br />
The Anglo American Found 4.3<br />
Mayo Clinic Jacksonville 2.25<br />
15%<br />
10%<br />
40%<br />
Productos vendidos<br />
(1) (2) (3) (4) (5) (6)<br />
27
Otros clientes 1.66<br />
(1) Papelería POP<br />
(2) Carteles<br />
(3) Insertos<br />
(4) Agendas<br />
(5) Cajas<br />
(6) Etiquetas<br />
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica S.A. de C.V.<br />
Fuente: Reporte del departamento de Ventas del periodo 2000-2006 de la empresa Surtidora Gráfica<br />
S.A. de C.V.<br />
Como se muestra en la tabla 1.12 y en la figura 1.5 el producto que registra<br />
mayores ventas (55% del total) está conformado por la papelería POP (1), en la que se<br />
incluye una amplia variedad de dípticos, trípticos, cuadrípticos y folletería de tipo<br />
bancaria que en su mayoría se produce principalmente para el cliente American<br />
Express Cía.<br />
Por otro lado, la empresa cuenta con gran flexibilidad para producir una amplia<br />
variedad de productos de acuerdo a las necesidades de cada cliente. En este punto es<br />
importante mencionar que muchos productos presentan características particulares<br />
como: tipo de papel, número de tintas, colores, diseños, acabado, etc. Debido a lo<br />
anterior, es importante que las empresas litográficas tengan la capacidad de adaptarse<br />
a cada cliente y obtener un producto lo más cercano a como fue concebido por el<br />
cliente.<br />
2.3. Características del proceso de impresión Offset<br />
Las características particulares de cada trabajo a ser impreso como: calidad, tipo<br />
de papel, destino final, número de ejemplares necesarios, exige el sistema de<br />
impresión más apropiado. Debido a lo anterior, es importante mencionar las<br />
características que presentan los diferentes sistemas de impresión existentes; entre los<br />
que destacan: la tipografía, el huecograbado y la litografía 45 .<br />
Tipografía<br />
Este sistema de impresión se consolidó a mediados del siglo XV gracias a la<br />
invención de la prensa de imprimir y de los caracteres movibles por Gutenberg. Se<br />
convirtió en un sistema dominante hasta mediados de la década de los sesenta hasta<br />
la aparición del sistema offset. La tipografía es un proceso de impresión en el que la<br />
zona de imagen a imprimir está en relieve, y que mediante presión se transfiere al<br />
soporte, mientras que las zonas no imprimibles quedan hundidas de manera que al<br />
45 La información que se utilizó para realizar este apartado fue tomada de: Otero Susana, Sistemas de<br />
impresión, Revista: CMYK. Septiembre 2001. Publicación técnica de AIDO, <strong>Instituto</strong> Tecnológico de<br />
Óptica, Color e Imagen para el sector de las Artes Gráficas, Madrid.<br />
28
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica S.A. de C.V.<br />
entintar la forma impresora las zonas de no imagen no recibirán tinta y no imprimirán.<br />
(Véase figura 1.10 a).<br />
Entre los inconvenientes de este sistema destacan la costosa preparación de la<br />
máquina, el elevado coste de la forma impresora y la lentitud de la máquina de pliegos.<br />
Sin embargo, presenta las ventajas de utilizar una tinta de gran consistencia lo<br />
que ofrece mayor calidad de impresión. Asimismo, desperdicia menos papel que otros<br />
procesos, ya que no plantea problemas para mantener el equilibrio de agua-tinta<br />
propios del offset.<br />
FIGURA 1.10<br />
Sistemas de impresión<br />
Fuente: Casals Richard, Offset: Control de Calidad, Ed. Howson-Algraphy, 1999, p.45<br />
Huecograbado<br />
El Huecograbado es un sistema en hueco, en la que la imagen está en bajo<br />
relieve, ligeramente hundida en la plancha. La forma impresora es grabada en una<br />
superficie de cobre que recubre el cilindro. La imagen está formada por pequeños<br />
huecos o alvéolos que retienen la tinta. Este proceso de impresión está indicado para<br />
impresiones de gran calidad como son láminas y libros de arte. (Véase figura 1.10 b).<br />
Entre los inconvenientes de este sistema, se distingue el elevado costo de la<br />
forma impresora (planchas y cilindros), por lo que el huecograbado sólo se emplea para<br />
tiradas muy largas. En caso de error las rectificaciones de las planchas son muy<br />
complicadas.<br />
Entre las ventajas de este sistema se encuentra el uso de tintas líquidas que<br />
permiten un secado rápido y trabajar sobre superficies poco porosas. Por otro lado, se<br />
consigue mantener el color invariable a lo largo de toda la tirada, ya que no presenta el<br />
problema de equilibrio de agua-tinta del offset.<br />
29
Litografía<br />
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica S.A. de C.V.<br />
La litografía es el método de impresión planográfico directo, ya que la superficie<br />
de impresión es plana y está en contacto directo con el soporte, las zonas de imagen y<br />
no imagen se encuentran en un mismo nivel. (Véase figura 1.10 c).<br />
Este proceso de impresión está basado en el principio de repulsión del agua y la<br />
grasa. La zona de imagen se somete a un tratamiento químico para que acepte la<br />
grasa (tinta) y rechace el agua, mientras que la zona de no imagen es preparada de<br />
manera que acepte el agua y rechace la grasa. De esta manera, toda la superficie<br />
queda cubierta de tinta y agua y al presionar la forma impresora entintada y<br />
humedecida sólo se imprimirá la zona de imagen.<br />
A partir del sistema de impresión litográfico se deriva el proceso de impresión<br />
Offset (término inglés que significa "fuera de lugar"), el cual se describe a continuación.<br />
La impresión offset es, como sistema planográfico indirecto, una derivación de<br />
la litografía. Sigue basándose en el principio de repulsión agua-tinta, pero entre la<br />
forma impresora y el rodillo impresor se introduce un rodillo intermedio portador de una<br />
mantilla de caucho. La imagen no se imprime directamente de la forma al soporte<br />
(papel o cartoncillo), sino que primero pasa a la mantilla y de ésta al soporte. La<br />
introducción de la mantilla surge de la necesidad de evitar que la plancha entre en<br />
contacto con la superficie abrasiva del papel que produce un mayor desgaste de la<br />
plancha.<br />
La impresión offset se realiza en máquinas rotativas o prensas de pliegos o de<br />
bobina, de uno o varios colores. Las rotativas de bobina adquieren grandes velocidades<br />
logrando grandes tiradas. La parte de la prensa que interviene en la impresión consta<br />
de tres cilindros: el cilindro de la plancha, sobre el que va envuelta la forma impresora<br />
el cilindro de la mantilla, en el que se enrolla el caucho; y el cilindro de impresión que<br />
enrolla y presiona el papel sobre el cilindro de la mantilla para realizar la impresión.<br />
(Véase figura 1.11).<br />
Este sistema, al igual que otros sistemas de impresión, no puede simular el tono<br />
continuo como lo hace el huecograbado, imprimiendo distintas densidades de un<br />
mismo color, sino que imprime masa, el 100% de la tinta. La imagen se forma por<br />
puntos de distintos tamaños y concentración entre ellos. La impresión offset permite<br />
imprimir lineaturas de hasta 300 lpi (lineaturas por pulgada), creando puntos de trama<br />
muy finos y consiguiendo detalles en las imágenes y el efecto óptico de tono continuo.<br />
30
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica S.A. de C.V.<br />
FIGURA 1.11<br />
Sistema de impresión Offset<br />
Fuente: Casals Richard, Offset: Control de Calidad, Ed. Howson-Algraphy, 1999, p.51.<br />
Entre los principales inconvenientes de este proceso se encuentra la dificultad<br />
de mantener el equilibrio agua-tinta, lo que impide mantener la homogeneidad del color<br />
a lo largo de la tirada. Este desequilibrio produce los efectos de engrasado, ya que por<br />
una incorrecta aplicación del agua en las zonas de no imagen alguna de estas zonas<br />
quedan entintadas. Además parte del agua entra en contacto con el papel pudiendo<br />
provocar su deformación y producir errores de registro. Por otro lado, la viscosidad de<br />
las tintas puede producir tiro o arrancado en aquellas zonas del papel en el que las<br />
fibras están más despegadas quedando pequeñas áreas sin imagen.<br />
Como ventajas cabe destacar que al imprimir lineaturas de hasta 300 lpi se<br />
consigue la sensación de tono continuo y una fiel reproducción del detalle de la imagen.<br />
También es importante tener en cuenta la facilidad y rapidez en la preparación de la<br />
máquina, que junto con la economía de las planchas y la gran productividad establece<br />
una excelente relación entre calidad, productividad y precio. Por último, indicar que el<br />
uso de la mantilla de caucho hace del offset perfectamente adaptable a cualquier<br />
superficie de papel, admitiendo distintos gramajes y texturas.<br />
Por consiguiente, el proceso de impresión Offset es el más utilizado de entre<br />
todos los sistemas de impresión y constituye el proceso más importante para obtener<br />
un impreso de acuerdo a las especificaciones del cliente; ya que es en esta parte del<br />
proceso, en la cual se debe obtener un número determinado de reproducciones a partir<br />
de un original. Lo anterior, está en función de reducir al mínimo la variabilidad de tono<br />
entre impresos y lograr por consiguiente, el color que se deseaba y mantenerlo<br />
constante a lo largo del tiraje.<br />
31
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica S.A. de C.V.<br />
Para lograr el objetivo mencionado anteriormente, se requiere conocer las<br />
variables de mayor influencia que intervienen dentro del proceso de impresión y<br />
controlarlas a niveles de variación permisibles.<br />
2.3.1. Procesos productivos principales para obtener un impreso<br />
A continuación se describen los procesos principales para obtener un impreso<br />
en la empresa Surtidora Gráfica S.A. de C.V. Una vez que el departamento de Ventas<br />
recibió los archivos o pruebas por parte del cliente, los lleva al primer proceso que<br />
corresponde a Preprensa.<br />
Preprensa<br />
En este proceso los archivos del cliente son revisados y adecuados a las<br />
necesidades de las máquinas del proceso de impresión Offset, es decir, en esta etapa<br />
del proceso se realizan ajustes necesarios como adecuación de color, formaciones de<br />
entrada a máquina y suajes en caso necesario. Una vez que ya se han realizado todos<br />
los ajustes al archivo, se imprime una prueba denominada digital (impresión en blanco<br />
y negro) y se realiza una prueba Matchprint (impresión a color) la cual permite tener<br />
una aproximación más acercada a la impresión final.<br />
Posteriormente de que las pruebas han sido autorizadas por el cliente, se<br />
realizan los negativos correspondientes a cada color y son elaboradas las placas. Ver<br />
figura 1.12.<br />
Offset<br />
Una vez que las placas han sido elaboradas, son transportadas al proceso de<br />
Offset para montarlas en la máquina correspondiente de acuerdo a las especificaciones<br />
del impreso y la planeación de la producción realizada (Ver figura 1.12.). El papel en el<br />
cual se va a imprimir es refinado de acuerdo a la medida de entrada a máquina.<br />
Como se había mencionado anteriormente, el proceso Offset es el más crítico ya<br />
que el prensista debe verificar que los colores originales se mantengan homogéneos a<br />
lo largo del tiraje, ya que si existen variaciones de color el producto será rechazado por<br />
el cliente. Debido a lo anterior, este proceso requiere de inspección continua para<br />
ajustar colores y densidades tonales.<br />
Una vez que se ha impreso en su totalidad el tiraje correspondiente, deberá<br />
permanecer a temperatura ambiente hasta secar completamente.<br />
32
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica S.A. de C.V.<br />
FIGURA 1.12<br />
Procesos de Preprensa y Offset<br />
Fuente: Internet, http://www.impresionoffset/estandarizaciondecolor.com/, Abril, 2007.<br />
Acabado<br />
Finalmente, dependiendo del producto final solicitado por el cliente (papelería<br />
POP, carteles, insertos, agendas, cajas y etiquetas) se realizan las operaciones<br />
necesarias, las cuales pueden ser:<br />
a) Suaje: Esta operación es realizada cuando el papel tiene un alto gramaje y<br />
requiere de dobleces, cuando la forma final es compleja y no puede ser lograda a<br />
través de guillotina o cuando lleva perforaciones para el inserto de tarjetas.<br />
b) Doblez: Es realizado para obtener dípticos, trípticos, cuadrípticos o cartas con<br />
doblez.<br />
c) Encuadernado: Esta operación se realiza para engrapar y obtener la formación<br />
correspondiente de acuerdo a números de página de revistas.<br />
d) Operaciones manuales: Existen operaciones que deben ser realizadas de<br />
manera manual como son: enfajillado, empacado, alzado, despunte, pegado, etc.<br />
Finalmente, una vez que los productos están terminados se programan las<br />
entregas de acuerdo a la orden de trabajo correspondiente.<br />
33
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica S.A. de C.V.<br />
2.4. Problemática actual en el proceso Offset<br />
La razón principal que motivó la realización de la presente investigación fue que<br />
el término Calidad en la industria de las Artes Gráficas sigue siendo un concepto<br />
abstracto que genera cierto desasosiego cuando se plantea. Esto es debido a la gran<br />
cantidad de variables que intervienen dentro del proceso de impresión. Hoy en día<br />
existen empresas litográficas, que continúan confiando únicamente en la habilidad<br />
intuitiva del personal operativo para obtener la calidad deseada y basar la toma de<br />
decisiones en percepciones subjetivas sin fundamento.<br />
Si bien es cierto que el factor humano es el capital más importante de una<br />
empresa, también lo es que se requiere aplicar herramientas estadísticas que permitan<br />
monitorear el estado del proceso y mejorarlo. Asimismo, la empresa debe reconocer<br />
que la variación es inherente en todo proceso y que reducirla constituye la clave para<br />
mejorarlo.<br />
Como se mencionaba anteriormente, Surtidora Gráfica S.A. de C.V. es una<br />
empresa con gran flexibilidad para adaptarse a nuevos mercados. Sin embargo, hoy en<br />
día, la solvencia económica de la empresa se ha visto amenazada por la introducción<br />
de nuevos competidores nacionales e internacionales, los cuales cuentan con<br />
estrategias competitivas basadas en ofrecer productos de mejor calidad, a bajo precio y<br />
en menor tiempo.<br />
Actualmente, la empresa ha apostado únicamente a la tecnología, como<br />
elemento diferenciador de la competencia, relegando la calidad a segundo plano por<br />
pensar bajo el viejo paradigma de: que la calidad debe ser sacrificada para cumplir con<br />
los tiempos de entrega y no asumir altos costos de penalización por atrasos en la<br />
entrega de producto terminado.<br />
La consecuencia de lo anterior, ha sido la pérdida de clientes y el incremento en<br />
los costos por reprocesos. Desde el año 2003 se ha registrado un aumento<br />
considerable en el número de defectos producidos en el proceso de impresión Offset,<br />
los cuales han ascendido a reprocesar aproximadamente 6, 000,000 (tiros por lado) T/L<br />
anualmente 46 (Ver figura 1.13). Del mismo modo, se han registrado pérdidas<br />
económicas por $350,000 en el año en curso. 47<br />
46<br />
Informes anuales de producción del departamento de Offset, 2003-2005 de la empresa Surtidora<br />
Gráfica S.A. de C.V.<br />
47<br />
Estimado a partir del costo de los insumos que intervienen en el proceso de impresión y de los costos<br />
asociados a penalizaciones.<br />
34
Periodo<br />
2006<br />
2004<br />
2002<br />
2000<br />
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica S.A. de C.V.<br />
3,000,659<br />
2,456,695<br />
3,565,285<br />
0 2,000,000 4,000,000 6,000,000 8,000,000<br />
Tiros por lado<br />
6,895,295<br />
5,845,998<br />
6,000,800<br />
5,950,300<br />
FIGURA 1.13<br />
Volumen de reprocesos del departamento de Offset<br />
Fuente: Reportes de producción del departamento de Offset, periodo 2000-2006 de la empresa<br />
Surtidora Gráfica S.A. de C.V.<br />
Es importante señalar, que el material defectuoso es repuesto al cliente, lo cual<br />
origina costos por reproceso, ya que en el proceso de impresión es imposible la<br />
recuperación de algún insumo, es decir, se genera pérdida total en horas-hombre,<br />
materia prima, energía eléctrica, horas-maquinas, etc.<br />
Aunado a lo anterior, la empresa corre el riesgo de perder al cliente que genera<br />
para ésta la mayor solvencia económica; ya que en las últimas auditorías efectuadas<br />
por American Express Cía. se han registrado observaciones y no conformidades<br />
mayores en el proceso de Offset, debido a variaciones considerables en los tonos de<br />
los impresos.<br />
Debido a que no se cuenta con un efectivo control estadístico de calidad<br />
(únicamente se controlan los insumos de entrada y las densidades de tono son<br />
registradas en hojas de verificación únicamente como referencia para futuros trabajos),<br />
se ignoran aspectos clave como: Habilidad del proceso de impresión para cumplir con<br />
las especificaciones (Cp), los defectos por unidad de impresión (DPU), las variables de<br />
salida que intervienen el proceso Offset y por consiguiente, la variable o causa que<br />
genera el alto índice de reprocesos.<br />
Uno de los factores que ha ocasionado lo anterior, ha sido el desconocimiento<br />
de las técnicas de control de calidad, para medir el proceso, establecer límites de<br />
especificación de acuerdo a las variaciones tonales, monitorear el proceso y establecer<br />
mejoras.<br />
Por consiguiente, la presente investigación se fundamenta en la posibilidad de<br />
reducir la variación tonal entre el número de reproducciones a partir del impreso<br />
original, es decir, a través de la aplicación de Seis Sigma y las técnicas estadísticas<br />
35
CAPÍTULO II<br />
Situación actual de la empresa Surtidora Gráfica S.A. de C.V.<br />
que se derivan, es posible disminuir defectos y proponer soluciones, que permitan<br />
mejorar el proceso de impresión Offset.<br />
A través del presente capítulo se ha descrito la situación y la problemática que<br />
presenta la empresa Surtidora Gráfica S.A. de C.V. para ofrecer a sus clientes<br />
productos impresos que satisfagan sus necesidades. Como se mencionó<br />
anteriormente, el problema radica en la variación y reproducción de tono a lo largo del<br />
tiraje, lo cual tiene como consecuencia el aumento de costos por reprocesos y<br />
penalizaciones; así como la pérdida de clientes potenciales y actuales.<br />
Si bien es cierto que la empresa se ha preocupado por tratar de solucionar el<br />
problema, también lo es que únicamente se ha enfocado a invertir en tecnología como<br />
posible solución a la problemática. Lo anterior, es un enfoque muy común entre las<br />
empresas occidentales, ya que primero se prefiere invertir grandes cantidades<br />
económicas en tecnología, que conocer, analizar, comprender y monitorear sus<br />
procesos, para encontrar la verdadera causa que genera el problema.<br />
Hoy en día, ante la apertura de mercados internacionales cada vez más<br />
exigentes, la empresa Surtidora Gráfica S.A. de C.V. corre el riesgo de perder a uno<br />
de los clientes que generan la mayor solvencia económica para esta; asimismo la<br />
situación que presenta el cliente American Express Cía., es similar a la que presentan<br />
el resto de los clientes de la empresa.<br />
A través de la presente investigación se propone un marco de análisis diferente<br />
para solucionar el problema; a través de datos cuantitativos, no sin olvidar la valiosa<br />
experiencia del elemento humano; y herramientas estadísticas que permitan generar<br />
conocimiento del comportamiento del proceso, identificando las variables críticas que<br />
inciden sobre el proceso de impresión para controlarlas, todo esto dentro del marco de<br />
la mejora continua que establece la metodología Seis Sigma.<br />
En el siguiente capítulo se abordará el marco teórico referente a los conceptos<br />
de empresa, calidad, metodología Seis Sigma y las herramientas necesarias para<br />
aplicarla con éxito.<br />
36
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la<br />
calidad.<br />
3.1. Definición de empresa y variables que afectan su<br />
desempeño<br />
Antes de definir a la empresa, es conveniente recordar que desde sus<br />
inicios el hombre se ha organizado para alcanzar diversos objetivos o<br />
metas; así, el primer concepto a entender es el de organización.<br />
Desde el punto de vista social, la organización se define como: “un sistema de<br />
actividades conscientemente coordinadas de dos o más personas, en el cual la<br />
cooperación es un elemento esencial para la existencia de esta” 48 . A partir de lo<br />
anterior, es posible notar que el eje de una organización está constituido por: personas<br />
capaces de comunicarse y dispuestas a contribuir a cumplir un propósito en común.<br />
De este modo, las organizaciones constituyen una de las bases principales de la<br />
existencia; puesto que, a lo largo de la vida, los seres humanos pertenecemos a<br />
diferentes organizaciones; ya sea formales (dentro de instituciones educativas,<br />
laborales, etc.), o bien informales (las cuales surgen de manera espontánea, cuando<br />
varias personas poseen intereses en común). Debido a lo anterior, las organizaciones<br />
no son fenómenos distantes; ya que se encuentran inherentes a la vida cotidiana de<br />
todo ser humano.<br />
Por otro lado, la organización vista como una actividad, se puede definir como un<br />
conjunto de acciones colectivas realizadas por individuos, a través del apoyo de<br />
diversos recursos materiales y técnicos con el fin común de elaborar bienes o servicios.<br />
Por consiguiente, en un sentido general, la empresa es la más común y<br />
constante actividad organizada por el ser humano, la cual, involucra un conjunto de<br />
trabajo diario, labor común, esfuerzo personal o colectivo e inversiones para lograr la<br />
producción de un bien o de un servicio.<br />
Es importante señalar que no existe una definición universal de empresa ya que<br />
depende del contexto en el cual se desee analizar, así el concepto de empresa que<br />
posea un economista a un sociólogo puede diferir notablemente. Debido a lo anterior,<br />
es necesario analizar las definiciones que plantean diversos autores para construir el<br />
concepto utilizado en la presente investigación.<br />
48 Chester, Barnard. Las funciones de los elementos dirigentes. Ed. McGraw Hill, México, 1998, p.45.<br />
37
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Según Goldrat “...la empresa no es un sistema de departamentos separados que<br />
contribuyen a la producción de un bien o servicio, sino por el contrario es el resultado<br />
de las relaciones e interdependencia que existe entre los elementos de la misma... 49 ”<br />
La definición anterior, menciona la importancia de considerar a la empresa como<br />
un sistema de departamentos interconectados, los cuales dependen de cada uno de<br />
ellos para el logro de objetivos. Sin embargo, el concepto es muy general, ya que es<br />
necesario acotar el o los objetivos principales que persiguen las empresas.<br />
Por consiguiente, las empresas se pueden clasificar de acuerdo al objetivo que<br />
persiguen en públicas y privadas; las empresas privadas son aquellas que tienen como<br />
fin obtener un beneficio económico particular para sus propietarios, mientras que las<br />
empresas públicas tienen por objetivo brindar un beneficio social.<br />
Debido a lo anterior, retomo la definición de empresa privada que plantea<br />
Pacheco 50 quien la define como el espacio físico dentro del cual tiene lugar un conjunto<br />
de procesos de transformación (de materia, energía e información) organizados y<br />
orientados hacia la generación de un bien o servicio para lograr un objetivo específico:<br />
obtener en forma sostenida la máxima ganancia posible.<br />
Con base en las definiciones anteriormente señaladas, me permito proponer la<br />
siguiente que se ajusta a la presente investigación:<br />
“La empresa privada constituye un sistema delimitado por un espacio físico o<br />
virtual en el cual existen múltiples procesos interdependientes que deben ser<br />
administrados de manera efectiva hacia la generación de bienes o servicios que<br />
satisfagan las necesidades implícitas o explicitas del cliente, con el fin de obtener la<br />
mayor ganancia posible de manera sostenida 51 ”.<br />
Así la empresa privada es un sistema de múltiples componentes y procesos de<br />
transformación (materia, energía e información) interdependientes que se deben<br />
administrar como tal. Este sistema debe tener la capacidad de ser flexible ante los<br />
cambios, además de crear valor de manera continua no sólo para el propietario, sino<br />
también para el cliente y las partes interesadas.<br />
Un aspecto fundamental para las empresas consiste en decidir qué y cómo se va<br />
a medir su salud o desempeño, por lo tanto es necesario medir lo que es importante y<br />
clave en los procesos, en los recursos que intervienen en cada proceso y en los<br />
resultados que se quieren mejorar.<br />
Hoy en día no es suficiente analizar el reporte financiero mensual para<br />
determinar el desempeño de la empresa, ni enfocar la empresa únicamente a un<br />
49 Goldrat, Eliyahu. La Meta. Ed. Castillo, México, 1992, p.44.<br />
50 Pacheco Espejel, Arturo A, La productividad bajo sospecha, Ed. CEMPROS, México, 2002, p.42.<br />
51 Es importante señalar, que el presente estudio únicamente abarcara a la empresa privada delimitada<br />
por un espacio físico, productora de bienes.<br />
38
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
mercado específico. Actualmente, se deben analizar dentro de la empresa, variables<br />
como: la competitividad, la productividad, la rentabilidad y la calidad, ya que estas<br />
afectan de manera conjunta el desempeño de la empresa.<br />
De manera general, la competitividad inicia viendo hacia el exterior, para<br />
conocer la posición que tienen los productos y servicios en el mercado; en tanto la<br />
productividad es ver hacia adentro y analizar la forma en que esta funcionando el<br />
sistema actual para mejorar continuamente los procesos; mientras que la rentabilidad<br />
es la capacidad de obtener mejores resultados con una menor inversión. Lo anterior,<br />
tiene como eje la calidad (Ver figura 1.14), que permite el logro de los objetivos de la<br />
empresa.<br />
FIGURA 1.14<br />
Variables que afectan el desempeño de la empresa<br />
Fuente: Elaboración propia<br />
Competitividad<br />
CALIDAD<br />
OBJETIVOS DE LA EMPRESA<br />
Para efectos de este estudio es posible definir la competitividad como “la<br />
capacidad de una organización pública o privada, lucrativa o no, para desarrollar y<br />
mantener sistemáticamente ventajas competitivas traducidas en calidad, precio y<br />
servicio que le permitan alcanzar, sostener y mejorar una determinada posición en el<br />
entorno socioeconómico en que actúa” 52 . Esta capacidad se manifiesta por:<br />
• Calidad y diferenciación del producto.<br />
• Precio y términos de pago.<br />
• Calidad en el servicio, que incluye tiempos, oportunidad y flexibilidad de entrega,<br />
además de apoyo en refacciones y reparaciones, soporte en capacitación para el uso<br />
del producto y para conocer sus potencialidades 53 .<br />
Por otro lado, Porter Michael 54 , propone un marco referencial de cinco fuerzas<br />
que definen la postura básica de la rentabilidad en la industria:”... el poder de<br />
52<br />
Gutiérrez Pulido H, Calidad Total y Productividad, Ed. McGraw Hill, México, 2004, p.19.<br />
53<br />
Ídem, p.21.<br />
54<br />
Porter Michael. Ventaja competitiva Ed. CECSA, México, 1995, p.23.<br />
39
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
negociación de los proveedores, el poder de negociación de los compradores<br />
existentes, la amenaza de las nuevas industrias la amenaza de productos o<br />
servicios sustitutos y, por supuesto la intensidad de la rivalidad con competidores<br />
existentes (ver figura 1.15).<br />
PROVEEDORES<br />
Poder de negociación de<br />
proveedores<br />
COMPETIDORES<br />
POTENCIALES<br />
Amenaza de nuevos<br />
ingresos al sector<br />
COMPETIDORES EN EL<br />
SECTOR INDUSTRIAL<br />
Rivalidad entre los<br />
competidores existentes<br />
SUSTITUTOS<br />
Amenaza de productos o<br />
servicios sustitutos<br />
FIGURA 1.15<br />
Fuerzas que definen la rentabilidad en la industria<br />
Fuente: Porter Michael. Ventaja competitiva Ed. CECSA. p. 23.<br />
COMPRADORES<br />
Poder de negociación de<br />
compradores<br />
Si bien es cierto que la competitividad está relacionada con la satisfacción del<br />
cliente, también lo es que una empresa es más competitiva que otra si ofrece mejor<br />
calidad y servicio (incluyendo el tiempo de entrega) al menor precio que sus<br />
competidores.<br />
Sin lugar a dudas, se es más competitivo que los demás cuando se ofrece mejor<br />
calidad a bajo precio y con un buen servicio. La calidad, como se observa en la figura<br />
1.16, está definida por las características, atributos y tecnología del producto mismo; el<br />
precio es lo que el consumidor final paga por el bien, y la calidad del servicio es<br />
determinada por la forma en que el cliente es atendido por la empresa.<br />
40
• Atributos<br />
• Tecnología<br />
• Funcionabilidad<br />
• Durabilidad<br />
• Prestigio<br />
• Confiabilidad<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
FIGURA 1.16<br />
Los factores críticos de la competitividad<br />
Fuente: Gutiérrez H. Calidad Total y Productividad Ed. McGraw Hill. 2004, p.19.<br />
De acuerdo a Gutiérrez y De la Vara 55 se recomienda que las organizaciones<br />
efectúen periódicamente análisis de su competitividad comparando sus indicadores<br />
correspondientes contra los de otras empresas sobresalientes del mismo ramo<br />
industrial o comercial, y así contestar a interrogantes como 56 :<br />
1. ¿Cómo es la calidad de los productos o servicios comparados con la de sus<br />
competidores?<br />
2. ¿En qué se diferencia los productos y servicios que se ofrecen?<br />
3. ¿Cómo es el precio de los productos y los términos de pago, comparados con la<br />
competencia?<br />
4. ¿Tiene calidad, cumplimiento y flexibilidad en tiempos de entrega?<br />
Un aspecto interesante en una evaluación competitiva de una organización sería<br />
contrastar las reflexiones o respuestas a las preguntas anteriores que se dan dentro de<br />
la misma empresa contra los resultados obtenidos directamente del cliente (potenciales<br />
o futuros), y de clientes del pasado que ahora prefieren el producto de sus<br />
competidores; en donde estos dan sus opinión y comparan a diferentes empresas<br />
competidoras respecto a diferentes criterios de competitividad.<br />
55 Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.7.<br />
56 Ídem, p.8.<br />
Satisfacción del cliente<br />
Competitividad de una empresa<br />
Factores críticos<br />
Calidad en el producto Calidad en el servicio<br />
Precio<br />
• Tiempo de entrega<br />
• Flexibilidad<br />
• Disponibilidad<br />
• Actitudes<br />
• Respuesta a fallas<br />
• Asistencia técnica<br />
• Precio directo<br />
• Descuentos/ventas<br />
• Términos de pagos<br />
• Valor promedio<br />
• Costo posventa<br />
41
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Finalmente, si bien es cierto que la competitividad es la creación del valor que<br />
hace que el consumidor prefiera los productos y servicios dentro del entorno<br />
socioeconómico, también lo es la necesidad de crear mercados competitivos que<br />
permitan la libre competencia entre las organizaciones; ya que no hay competitividad<br />
posible sin mercados competitivos.<br />
Productividad<br />
Hoy en día es común escuchar en las empresas hablar de productividad, sin<br />
embargo, este concepto en ocasiones es utilizado sólo bajo un enfoque clásico (razón<br />
de lo que se produce entre los insumos utilizados 57 ). Debido a lo anterior, es importante<br />
analizar sus limitaciones y ampliar su alcance.<br />
Dentro de las concepciones clásicas y más comúnmente usadas, se encuentra<br />
la de Sumanth que define a la productividad total como: “la razón entre la producción<br />
total y la suma de todos los factores de insumo 58 ”. Por otro lado, la Organización para<br />
la Cooperación Económica Europea (OCEE) define a la productividad como: “...el<br />
cociente que se obtiene al dividir la producción por uno de los factores de producción.<br />
De esta forma es posible hablar de la productividad del capital, la inversión o materia<br />
prima según si lo que se produjo se toma en cuenta respecto al capital, a la inversión o<br />
a la cantidad de materia prima, etc...”<br />
Las definiciones anteriormente presentadas, se pueden enmarcar en lo que<br />
Pacheco llama: productividad estrecha 59 , que es sólo un índice o relación volumétrica<br />
que relaciona los resultados obtenidos en un proceso de trabajo entre los insumos<br />
utilizados, y que no considera factores determinantes en los procesos como la calidad,<br />
tiempos de entrega, servicio, mejora continua, etc.<br />
Productividad estrecha = Resultados obtenidos<br />
Insumos utilizados<br />
Debido a las limitaciones que presentan las definiciones anteriores, me permito<br />
retomar la que plantea Pacheco, quien propone el concepto de productividad amplia<br />
como: “la cualidad emergente de los procesos de trabajo que tienen lugar en el interior<br />
de la empresa que hace que mejoren permanentemente y en todos los sentidos, es<br />
decir, en forma continua, sostenida e integral.” 60<br />
Como se observa en la figura 1.17 la productividad amplia se basa en el<br />
mejoramiento continuo de los procesos de trabajo, y cuyo enfoque se encuentra<br />
centrado en la forma de ejecutar los procesos versus resultados que plantea la<br />
productividad estrecha.<br />
57 Prokopenko, Joseph. La gestión de la productividad. Ed. Limusa. México, 1997, p.34.<br />
58 Sumanth J. D. Ingeniería y administración de la productividad. Ed. McGraw Hill, México, 1994, p.19.<br />
59 Pacheco Espejel, Arturo A, Hacia una concepción integral de la productividad, Seminario permanente<br />
de estudios del trabajo, México, 2004.<br />
60 Ídem.<br />
42
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
FIGURA 1.17<br />
De la concepción de productividad estrecha a la concepción amplia<br />
Fuente: Pacheco Espejel Arturo. La productividad bajo sospecha. Ed. Centro Nacional de Promoción<br />
Social, 2002, p.72.<br />
La productividad amplia, al igual que la estrecha, requiere de indicadores de<br />
medición para saber si efectivamente los procesos están mejorando, y establecer las<br />
acciones adecuadas para su mantenimiento. Debido a lo anterior, es posible medir la<br />
productividad amplia a través de cuatro dimensiones 61 :<br />
Tiempo: Se refiere a la cantidad de tiempo que se consumió durante la<br />
realización del proceso, es decir, la velocidad de su ejecución.<br />
Cantidad: Se refiere a los volúmenes o magnitudes físicas que el proceso, por<br />
un lado, consume, y por otro, genera, es decir, los volúmenes de insumos y<br />
resultados, respectivamente.<br />
Calidad: Se refiere a las características cualitativas (no cuantitativas) con las<br />
que se realiza el proceso de trabajo y que conllevan a conocer qué tan bien se<br />
ejecuta, es decir, qué tan bien se utilizan los insumos y que tan bien se logran los<br />
resultados.<br />
Dinero: Se refiere a la cuantificación o traducción en dinero de la cantidad,<br />
calidad y tiempo dentro de las que tuvo lugar la ejecución del proceso de trabajo.<br />
Rentabilidad<br />
El desempeño financiero de una empresa es, sin duda, uno de los aspectos más<br />
difíciles a determinar, ya que en ocasiones se confunde el término de utilidades con la<br />
rentabilidad de la empresa.<br />
La rentabilidad dentro de este estudio se definirá como:”… la relación que se<br />
establece entre lo que se ha invertido en una determinada acción y el rendimiento<br />
61 Pacheco Espejel Arturo. La productividad bajo sospecha. Ed. Centro Nacional de Promoción Social,<br />
México, 2002, p.76.<br />
ESTRECHA<br />
EVOLUCIÓN<br />
“Hacer más ESTRECHA con menos”<br />
(Enfoque en el resultado)<br />
AMPLIA<br />
“Hacer lo mejor con lo<br />
necesario”<br />
(Enfoque en el proceso)<br />
43
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
económico o resultado que proporciona 62 ”. Así, mientras que la utilidad es la ganancia<br />
neta de dinero que se obtiene a través de la venta de un bien o servicio, la rentabilidad<br />
es una tasa que considera la inversión realizada y la utilidad obtenida; y<br />
definitivamente, lograr utilidades no siempre resulta rentable para la empresa.<br />
Por consiguiente, “la medida de utilidad en una empresa es un índice engañoso<br />
de su desempeño global, pues no tiene en cuenta la cantidad de fondos necesarios<br />
para obtener las utilidades, ni hace referencia al tiempo pasado antes de la obtención<br />
de las utilidades, descuida las incitaciones fiscales para minimizar o diferir las<br />
utilidades, etc. Por todas estas razones, el desempeño global de la empresa no se<br />
puede evaluar solamente por sus utilidades 63 ”<br />
La capacidad de la competencia para crear nuevos productos, bajar precios e<br />
incrementar su publicidad tiene un impacto significativo en la rentabilidad de una<br />
empresa. Si la rivalidad dentro de un sector es muy intensa, el potencial de rentabilidad<br />
es bajo. Del mismo modo, la fuerza total de las fuerzas, determinará si una industria es<br />
rentable a largo plazo, y también es necesario considerar que las industrias no son<br />
estáticas.<br />
A partir de lo anterior, puede surgir la pregunta: ¿Por qué algunas empresas son<br />
rentables y otras no? Sallenave propone que para que una organización sea rentable<br />
deben utilizarse simultáneamente, como se muestra en la figura 1.18, tres llaves: la<br />
creación del valor, la eficiencia de las operaciones y la ventaja competitiva 64 .<br />
1<br />
Creacion del valor<br />
RENTABILIDAD<br />
Ventaja competitiva<br />
Eficiencia en las operaciones<br />
FIGURA 1.18<br />
El triangulo de la rentabilidad<br />
Fuente: Sallenave J.P. La gerencia Integral. Ed. Norma. p. 124.<br />
62 Martínez Abascal E. Invertir en Bolsa. Ed. McGraw Hill, México, 1999, p.118.<br />
63 Sallenave, J. P. La gerencia Integral. Ed. Norma, México, 1994, p.85.<br />
64 Ídem, p.89.<br />
3<br />
2<br />
44
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
La creación del valor se refiere a que si una empresa existe es porque lo que<br />
vende tiene valor a juicio de los consumidores, y debe enfocar sus esfuerzos en crear<br />
valor de manera continua a través de la eficiencia en las operaciones de cada proceso,<br />
de tal manera que permita disminuir los costos de producción y de venta. Sin embargo,<br />
también es necesario que la empresa desarrolle ventajas competitivas que le permitan<br />
distinguirse de sus competidores y obtener rendimientos superiores a los de éstos.<br />
Calidad<br />
Aunque más adelante se abordara con mayor profundidad este concepto, es<br />
importante definir aquí de manera general, la calidad.<br />
En términos menos formales, la calidad la define al cliente y es el juicio que éste<br />
tiene sobre un producto o servicio, el cual por lo general, es la aprobación o rechazo.<br />
Por consiguiente, un cliente queda satisfecho si se le ofrece todo lo que el espera<br />
encontrar y más. Así, la calidad es ante todo la satisfacción del cliente. La calidad está<br />
ligada a las expectativas que el cliente tiene sobre el producto o servicio, tales<br />
expectativas son generadas de acuerdo con las necesidades, los antecedentes, el<br />
precio, la publicidad, la imagen de la empresa, etc.<br />
Es importante señalar que, anteriormente, se creía que la calidad, el precio y el<br />
tiempo de entrega eran objetivos encontrados, en el sentido de que se podría mejorar<br />
cualquiera de los tres sólo en detrimento de los otros dos. De hecho, en algunas<br />
empresas se sigue actuando a partir de la creencia de que mejorar la calidad implica<br />
necesariamente un precio más alto y un mayor tiempo de producción.<br />
Deming señala que al mejorar los diversos procesos se logra una reacción en<br />
cadena, lo cual trae importantes beneficios, por ejemplo: reducción de reprocesos,<br />
retrasos, desperdicios y los artículos defectuosos 65 . Al lograr tener menores<br />
deficiencias se reducen los costos y se liberan recursos materiales y humanos que se<br />
pueden destinar a elaborar más productos, reducir los tiempos de entrega o<br />
proporcionar un mejor servicio al cliente (Ver figura 1.19).<br />
65 Deming, E, Calidad, productividad y competitividad, Ed. Díaz de Santos, Madrid. 1989, p.85.<br />
45
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
SE MEJORA TODO<br />
Disminuyen los costos porque hay menos<br />
reprocesos, fallas y retrasos con lo que se<br />
utilizan mejor los materiales, las máquinas, los<br />
espacios y el recurso humano<br />
Mejora la productividad<br />
Se es más competitivo en calidad y<br />
precio<br />
Hay más trabajo<br />
FIGURA 1.19<br />
Reacción en cadena<br />
Fuente: Gutiérrez H, Calidad Total y Productividad, Ed. McGraw Hill. 2004, p.21.<br />
A partir de lo anterior, es posible señalar que hoy en día las empresas juegan un<br />
papel fundamental en la economía de nuestro país y por consiguiente; es necesario<br />
que estas sean analizadas como un todo, es decir, a través de un enfoque sistémico en<br />
el cual los procesos se encuentren interrelacionados entre sí, de tal manera, que un<br />
proceso sea el proveedor del siguiente.<br />
Sin lugar a dudas, dentro de un mercado altamente globalizado, las empresas<br />
requieren conocer las diversas variables que afectan su desempeño; entre las cuales<br />
se encuentran: la productividad, la rentabilidad y la competitividad; teniendo como eje<br />
fundamental la calidad en los procesos, ya que difícilmente una empresa puede lograr<br />
su objetivo central de obtener la máxima ganancia posible, sin brindar a sus clientes<br />
productos que posean una calidad superior a la de sus competidores a un menor<br />
precio.<br />
Un ejemplo de lo anterior, lo constituye la Industria litográfica que a través de los<br />
años apostó su desarrollo a la tecnología existente. Sin embargo, hoy en día ante la<br />
apertura de mercados internacionales más exigentes, este sector ha comprendido que<br />
la tecnología no es suficiente y se ha enfocado en aplicar técnicas estadísticas de<br />
calidad que le permita conocer el comportamiento de los procesos, monitorearlos y<br />
establecer acciones de mejora.<br />
46
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Por consiguiente, la calidad constituye un elemento diferenciador no sólo para<br />
sobrevivir en el mercado, sino para competir y generar actividades recurrentes para<br />
incrementar la habilidad, para cumplir con los requerimientos de los clientes y que lo<br />
anterior, sea traducido en mayor rentabilidad de la empresa para los accionistas y<br />
mejores condiciones de vida para los trabajadores.<br />
3.2. Definición de calidad<br />
Hoy en día ante la apertura de mercados internacionales cada vez más<br />
exigentes, es común escuchar frases como:…”Sólo las empresas que se esfuerzan por<br />
mejorar continuamente la calidad de sus productos, sobrevivirán en un mercado<br />
altamente competitivo”. No obstante, el concepto de calidad en ocasiones es entendido<br />
simplemente como “buenas intenciones” para las empresas; lo cual se refleja en bajo<br />
compromiso de la gerencia con la calidad, confusión de los miembros de la<br />
organización con las supuestas mejoras, mejoramiento temporal, etc.<br />
Definir calidad, es definir un concepto subjetivo; ya que la calidad depende de la<br />
persona que hace uso del bien o servicio. Así, la calidad de un automóvil depende de la<br />
persona que lo conducirá, ya que las necesidades de un conductor común difieren<br />
notablemente a las de un piloto profesional de la Nascar, por ejemplo.<br />
Debido a lo anterior, es necesario abordar el concepto de calidad desde una<br />
perspectiva integral; no sin antes analizar las principales etapas que conforman el<br />
movimiento de la calidad y la evolución de la perspectiva del concepto de calidad 66 .<br />
El hecho de que un producto reúna los atributos de calidad que desea el cliente<br />
ha sido una prioridad desde la época artesanal, en donde la calidad del producto se<br />
establecía a través de la relación directa entre el artesano y el usuario. No obstante,<br />
con el advenimiento de la era industrial apareció la producción masiva, y con ello la<br />
imposibilidad de establecer un contacto directo entre el fabricante y el usuario.<br />
Por lo tanto, fue necesario introducir procedimientos para inspeccionar los<br />
productos, los cuales tenían por objetivo evaluar la calidad, que constituía un problema<br />
a resolver y detectar errores. De este modo, como se observa en la tabla 1.13, durante<br />
la década de 1920 se limito a contar y detectar la mala calidad de los productos<br />
terminados. A esta etapa se le denominó inspección.<br />
La etapa de control estadístico de calidad se caracterizó por dar un fundamento<br />
científico a la calidad, mediante la introducción de diversos conceptos estadísticos<br />
como las cartas de control y el estudio de la calidad a través de variables, a las que es<br />
necesario estudiar. A través de las aportaciones de Walter Shewart, Edward Deming,<br />
Harold Dodge y Harry Roming fue posible analizar la variación de los procesos,<br />
controlando, estabilizando y reduciendo la variación.<br />
66 La información que se utilizó para realizar este apartado fue tomada de: Gutiérrez H. Calidad Total y<br />
Productividad, Ed. McGraw Hill, México, 2004, p.12-18.<br />
47
TABLA 1.13<br />
Etapas en la evolución del movimiento por la calidad<br />
Criterios<br />
considerados<br />
Fecha de<br />
inicio<br />
Preocupación<br />
principal<br />
La calidad se<br />
ve como:<br />
Énfasis<br />
Métodos<br />
Orientación y<br />
enfoque<br />
Inspección<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Etapas del movimiento por la calidad<br />
Control<br />
estadístico de<br />
la calidad<br />
Aseguramiento<br />
de la calidad<br />
Administración<br />
de la calidad<br />
total<br />
Reestructuración<br />
de la organización<br />
y mejora de<br />
procesos<br />
1800 1930 1950 1980 1995<br />
Detección<br />
Un problema<br />
a resolver.<br />
Uniformidad<br />
del producto<br />
Estándares y<br />
mediciones.<br />
Inspeccionar<br />
la calidad del<br />
producto<br />
terminado.<br />
Control Coordinación<br />
Un problema a<br />
resolver.<br />
Uniformidad del<br />
producto con<br />
reducción de la<br />
inspección<br />
Herramientas y<br />
metodologías<br />
estadísticas<br />
Controlar la<br />
calidad.<br />
Un problema a<br />
resolver que es<br />
atacado en forma<br />
preventiva<br />
(proactiva).<br />
Todas las etapas<br />
desde el diseño<br />
hasta ventas, y la<br />
contribución de<br />
todos los grupos<br />
funcionales.<br />
Programas y<br />
sistemas.<br />
Construir la<br />
calidad.<br />
Impacto<br />
estratégico<br />
Una ventaja<br />
competitiva.<br />
Necesidades del<br />
cliente y el<br />
mercado.<br />
Planeación<br />
estratégica,<br />
establecimientos<br />
de metas y<br />
movilización de<br />
la organización<br />
para lograr<br />
mejora continua.<br />
Un amplio menú<br />
de herramientas.<br />
Dirigir la calidad.<br />
Fuente: Gutiérrez H. Calidad Total y Productividad Ed. McGraw Hill. 2004, p.12.<br />
Competir<br />
eficazmente en un<br />
mercado globalizado<br />
por los clientes, con<br />
calidad, precio y<br />
servicio.<br />
La ventaja<br />
competitiva y la<br />
condición para<br />
permanecer en el<br />
negocio.<br />
Enfoque al cliente y<br />
al mercado,<br />
reducción de<br />
defectos a un nivel<br />
de 3.4 defectos por<br />
millón de<br />
oportunidades<br />
(DPMO) y<br />
reducción del tiempo<br />
ciclo.<br />
Planeación<br />
estratégica, la<br />
mejora continúa<br />
como parte de las<br />
responsabilidades<br />
de todo directivo. Un<br />
amplio menú de<br />
herramientas y<br />
estrategias.<br />
Orientación directa y<br />
total al cliente, al<br />
mercado y a mejorar<br />
el desempeño de<br />
todos los procesos.<br />
48
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Durante la etapa de aseguramiento de la calidad, el concepto de calidad<br />
evolucionó de una perspectiva estrecha y centrada en la manufactura a tener una<br />
intervención en los esfuerzos por la calidad en áreas como diseño, ingeniería,<br />
planeación y actividades de servicio. Así, como se observa en la tabla 1.13, el<br />
aseguramiento de la calidad implicó un enfoque más proactivo por la calidad. Es en<br />
esta etapa en la cual se enfatiza el diseño y aparecen herramientas para coadyuvar a<br />
este fin, como la confiabilidad, el diseño de experimentos, el análisis de modo y efecto<br />
de fallas (AMEF), etc.<br />
En la década de 1980 durante la etapa de administración de la calidad total se<br />
tomó plena conciencia de la importancia estratégica de la calidad, de su mejora y de la<br />
satisfacción del cliente. En muchas empresas y organizaciones del mundo occidental<br />
iniciaron sus programas de gestión de la calidad total como una acción estratégica para<br />
mejorar su competitividad.<br />
Finalmente, al final de la década de 1990 inicia la etapa de reestructuración de la<br />
organización y mejora de los procesos que parte del supuesto de analizar las<br />
organizaciones como sistemas compuestos por procesos claves, los cuales deben<br />
mejorarse hasta niveles de calidad sin precedentes, lo cual permita generar<br />
organizaciones esbeltas y flexibles, capaces de crear valor para el cliente y las partes<br />
interesadas.<br />
Debido a lo anterior, es posible afirmar que la calidad ha evolucionado hasta<br />
profundizar en prácticas directivas, metodológicas y estratégicas, así como la mejora<br />
de los procesos y el diseño. A partir, de conocer la evolución que ha tenido la calidad<br />
es posible definirla.<br />
Respecto a la calidad existen varias definiciones, por ejemplo, Juran sostiene<br />
que: “Calidad es que un producto sea adecuado para su uso. Así, la calidad consiste en<br />
la ausencia de deficiencias de aquellas características que satisfacen al cliente 67 ”. Por<br />
otro lado, la norma ISO-9000:2000 define la calidad como “el conjunto de propiedades<br />
y características de un producto o servicio que le confieren la aptitud para satisfacer las<br />
necesidades explícitas o implícitas preestablecidas 68 ”<br />
En términos menos formales la calidad la define el cliente, y por consiguiente la<br />
calidad es el juicio que éste tiene sobre un producto o servicio que por lo general es la<br />
aprobación o rechazo. Con base en lo anterior me permito proponer la siguiente<br />
definición que se ajusta al objetivo de la presente investigación:<br />
“La calidad es la capacidad que posee un producto o servicio de satisfacer las<br />
necesidades o requerimientos del cliente, lo cual se puede traducir como un elemento<br />
que permite diferenciar a la empresa de la competencia”.<br />
67 Juran H.M. Juran on Quality by Design: The new steps for planning quality into goods and services. Ed.<br />
The Free Press, Nueva York, 1998, p.45.<br />
68 ISO- 9000:2000, Ginebra, Suiza. 1996.<br />
49
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Es importante no confundir el concepto de calidad con el de control estadístico<br />
de calidad, ya que este último se refiere a la aplicación en los procesos del<br />
pensamiento estadístico, basado en los siguientes principios: todo trabajo ocurre en un<br />
sistema de procesos interconectados; la variación existe en todos los procesos, y<br />
entender y reducir la variación son claves para el éxito. Es decir, si se utiliza la<br />
estadística de manera adecuada es posible conocer el proceso, predecir su variación y<br />
controlarla con el objetivo de ofrecer productos y servicios que satisfagan los<br />
requerimientos del cliente y por consiguiente lograr la calidad.<br />
3.3. Metodología Seis Sigma (SS)<br />
3.3.1. Introducción<br />
Si bien es cierto que hoy en día existen una gran variedad de metodologías<br />
enfocadas a la mejora continua de la calidad de los productos y los procesos, entre las<br />
que destacan: Ciclo de Deming, metodología de los 8 pasos, manufactura esbelta,<br />
Kaizen, Análisis de modo y efecto de fallas (AMEF), etc.; también lo es que la mayor<br />
parte de ellas analizan superficialmente el problema y las causas que lo originan, es<br />
decir, la toma de decisiones, en ocasiones, se basa únicamente en percepciones<br />
subjetivas de los miembros de la empresa, ante esto no quiero decir que la experiencia<br />
y el conocimiento de cada uno de los participantes en los procesos productivos no sea<br />
imprescindible.<br />
Sin embargo, considero que los problemas y proyectos de mejora pueden ser<br />
solucionados de una manera más efectiva si se combina la experiencia y el talento de<br />
los expertos (responsables de los procesos) con la aplicación de técnicas estadísticas<br />
avanzadas siguiendo una metodología estructurada.<br />
Por consiguiente, a diferencia de otras metodologías, Seis Sigma puede ofrecer<br />
directrices enfocadas a la mejora de los procesos a través del conocimiento estadístico<br />
imprescindible del proceso, de la medición y la realización de experimentos planeados<br />
que contribuyan a reducir la variabilidad presente. Otra de las ventajas que presenta<br />
Seis Sigma es la flexibilidad que presenta para adecuarse a cualquier tipo de empresa,<br />
así como la diversidad de herramientas estadísticas de análisis que pueden ser<br />
utilizadas de acuerdo a la situación de la empresa.<br />
A continuación se abordará de manera general los conceptos básicos de la<br />
metodología Seis Sigma.<br />
3.3.2. Definición de Seis Sigma<br />
Existen varias definiciones entre las que destaca la de Gutiérrez Pulido que<br />
define a la metodología Seis Sigma (SS) como: “estrategia de mejora continua que<br />
busca encontrar y eliminar las causas de los errores, defectos y retrasos en los<br />
50
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
procesos, enfocándose al cliente 69 ”. Por otro lado, Snee Robert la define como: “una<br />
metodología que sirve para reducir la variabilidad en los procesos, productos y<br />
servicios cuyo objetivo es tener como máximo 3.4 defectos o errores en cada millón de<br />
oportunidades 70 ”.<br />
A partir de la definición anterior, es posible notar que SS tiene tres áreas<br />
prioritarias de acción: disminución de los defectos, reducción del tiempo ciclo y<br />
satisfacción del cliente a través de un manejo eficiente de los datos y la aplicación de<br />
técnicas estadísticas robustas (entre las que destacan: Control Estadístico del Proceso,<br />
Diseño de Experimentos y ANOVA) que permiten eliminar la variabilidad en los<br />
procesos y alcanzar un nivel de defectos menor o igual a 3.4 defectos por millón. (Ver<br />
figura 1.20).<br />
FIGURA 1.20<br />
Áreas prioritarias de acción de la metodología SS<br />
Fuente: Elaboración propia<br />
La metodología SS fue introducida por primera vez en 1987 en Motorola por un<br />
equipo de directivos encabezados por Bob Galvin 71 , presidente de la compañía, con el<br />
objetivo de analizar la variación en los procesos para hacer frente a la competencia de<br />
empresas japonesas. Con el apoyo de diversas técnicas estadísticas se hizo énfasis no<br />
sólo en el análisis de la variación sino también en la mejora continua, estableciendo<br />
como meta obtener 3.4 defectos (por millón de oportunidades) en los procesos.<br />
A partir del éxito obtenido en Motorola, SS ha sido ampliamente difundida y<br />
adoptada por otras empresas de clase mundial, tales como: General Electric, Allied<br />
Signal, Sony, Texas Instrument, Polaroid, Toshiba, Ford, Black & Decker, etc., las<br />
cuales también iniciaron la implantación de la metodología de calidad SS en sus<br />
69<br />
Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.548.<br />
70<br />
Snee, R, Six Sigma Focuses On Improvement Rates, Ed. Quality Progress, E.U., 2003, p.36.<br />
71<br />
Gutiérrez H, De la Vara R, Calidad total y productividad, Ed. McGraw Hill, México, 2004, p.189.<br />
51
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
organizaciones. 72 . En Latinoamérica la empresa Mabe es una de las organizaciones<br />
que ha logrado conformar uno de los programas Seis Sigma con mayor éxito.<br />
3.3.3. Métrica SS<br />
Primeramente, es conveniente definir el término sigma; el cual es una letra<br />
griega (σ) que simboliza la desviación estándar, es utilizado en estadística aplicada a la<br />
producción como un indicador de la dispersión o variabilidad esperada de los productos<br />
o componentes producidos. Por consiguiente, entre mayor sea su valor, indicará que<br />
hay una variación mayor entre productos o componentes producidos en el proceso.<br />
Generalmente, la mayor parte de los procesos trabajan bajo Tres Sigma, esto<br />
significa que los límites reales de su variable de salida coincidan con las<br />
especificaciones de calidad para tal variable 73 .<br />
Por ejemplo, en el proceso de envasado de cemento de una empresa cementera<br />
se tiene como especificación que los costales deben contener 50 kilos con una<br />
tolerancia de más menos 600 gramos. Para que este proceso se pueda considerar de<br />
calidad Tres Sigma, se requiere que su media coincida con la calidad nominal (50 kg), y<br />
que los límites reales sean iguales a las especificaciones. Esto se logra si la media y la<br />
desviación estándar del proceso son µ= 50.0 y σ=0.2 kg, ya que los límites reales<br />
serían:<br />
Límite real inferior = = 50.0-3(0.2)= 49.4<br />
Límite real superior = = 50.0+3(0.2)= 50.6<br />
Por lo que bajo condiciones de estabilidad, se esperaría que el peso de los<br />
costales varíe de 49.4 a 50.6 kg. Visto a través de la gráfica de capacidad (Ver figura<br />
1.21a), suponiendo que el peso sigue una distribución normal, se espera que bajo<br />
condiciones de estabilidad en el proceso, el área bajo la curva normal que cae dentro<br />
de las especificaciones sea de 99.73%. De esta forma 99.73% de los costales<br />
cumplirían con las especificaciones.<br />
72 Michael H, Schroeder, Six Sigma, Ed. Doubleday-Random House, Nueva York, 2000. p.10<br />
73 Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.554.<br />
52
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
a) Calidad 3 sigma; Cpk= 1, Zs = Zi = 3 b) Calidad 3σ; con un movimiento de 1.5σ<br />
(Zmov = 1.5) Cp= 1, Ppk= 0.5<br />
c) Calidad 3σ y 6σ (Cp = 2.0, Cpk=2.0,<br />
Zs = Zi = 6)<br />
FIGURA 1.21<br />
Procesos con calidad Tres y Seis Sigma<br />
Fuente: Elaboración propia<br />
d) Calidad 6σ con un movimiento de 1.5σ<br />
(Zmov = 1.5) Cp=2.0, Ppk=1.5<br />
A primera vista un proceso tres sigma podría parecer que es muy bueno. Sin<br />
embargo, para las exigencias actuales la calidad no es suficiente, por dos razones 74 :<br />
• El 0.27% de artículos defectuosos, implica 2 700 partes con fallas por cada<br />
millón de oportunidades (PPM). En un mundo donde las cifras de consumo anual para<br />
muchos productos, por ejemplo en una empresa litográfica, esa cantidad de defectos<br />
es demasiada.<br />
• Lo anterior se agrava si se considera la diferencia entre capacidad de corto y<br />
largo plazo. Este concepto se aborda a detalle en el apartado 3.5.3. Capacidad del<br />
proceso.<br />
Debido a lo anterior, se originó el concepto de Calidad Seis Sigma lo que<br />
significa diseñar productos y procesos que logren que la variación de las características<br />
de calidad sea tan pequeña que la campana de la distribución este contenida dos<br />
veces dentro de las especificaciones 75 , es decir, los límites están dados por:<br />
74 Michael H, Schroeder, Six Sigma, Ed. Doubleday-Random House, Nueva York, 2000. p.25.<br />
75 Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.557.<br />
53
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
En este caso se tendría una tasa de defectos de 0.002 PPM, lo que en términos<br />
prácticos equivale a un proceso con cero defectos. Así en la práctica, calidad Seis<br />
Sigma, a pesar de los posibles desplazamientos, es un proceso de prácticamente cero<br />
defectos.<br />
Por otro lado, la capacidad en número de sigmas del proceso (Z) se determina<br />
por el número de veces que el valor numérico de la desviación estándar cabe en la<br />
distancia que existe entre la media aritmética del proceso si se distribuye en forma<br />
normal y el límite de especificaciones que se encuentre más cerca de ésta. Así se tiene<br />
que 76 :<br />
y<br />
En general, si se conocen las partes por millón fuera de especificaciones de<br />
largo plazo, PPM, entonces el nivel de calidad en sigmas (de corto plazo) se obtiene<br />
con la siguiente ecuación 77 :<br />
Nivel de calidad en sigmas ( Z. ct) = 0. 8406 + 29. 37 − 2. 221×<br />
ln( PPM )<br />
De la misma manera, si se conoce el Zct es posible obtener las PPM que se<br />
esperan a largo plazo 78 :<br />
PPM. lt = e<br />
⎡ 2<br />
29. 37−( zct<br />
−0.<br />
8406)<br />
⎤<br />
⎢ ⎥<br />
⎢⎣ 2. 221 ⎥⎦<br />
En otras palabras, el estadístico Z es igual al nivel de calidad medido en<br />
términos de sigmas. Con lo que en la práctica, calidad Seis Sigma, a pesar de los<br />
posibles desplazamientos, es un proceso de prácticamente cero defectos, y por tanto<br />
una meta para procesos de clase mundial.<br />
3.3.4. Definición de la metodología SS<br />
Como se mencionaba anteriormente, las herramientas estadísticas constituyen<br />
el elemento imprescindible de Seis Sigma, ya que los datos y su correcta interpretación<br />
permiten identificar las variables críticas de calidad (VCC) 79 y los procesos a ser<br />
mejorados. Sin embargo, los datos por si solos no resuelven los problemas de la<br />
empresa, por ello es necesaria una metodología.<br />
76<br />
Ídem, p.558.<br />
77<br />
Schmidt y Launsby, Statistical Processs Control , Ed. McGraw Hill, México, 1997, p.121.<br />
78<br />
Ídem, p.122.<br />
79<br />
VCC son aquellas en las que se refleja el desempeño y/o resultados de un proceso, es decir, son<br />
aquellas que realmente le interesan al cliente.<br />
54
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
La metodología Seis Sigma se define como la aplicación de un conjunto de<br />
métodos cuyo objetivo radica en mejorar procesos y productos, así como en la solución<br />
de problemas a través del uso de herramientas estadísticas avanzadas y consta de<br />
cinco fases: Definir, Medir, Analizar, Mejorar y Controlar (o bien sus siglas en ingles<br />
DMAIC) 80 :<br />
A continuación se expondrán cada una de las etapas que conforman la<br />
metodología Seis Sigma<br />
3.3.4.1. Etapas de la metodología SS 81<br />
Las etapas que conforman a la metodología Seis Sigma son las siguientes:<br />
• (D) Definición del problema.<br />
En esta fase se debe tener una visión y definición clara del problema que se<br />
pretende resolver mediante un proyecto SS. Por ello será fundamental identificar las<br />
VCC, esbozar metas, definir el alcance del proyecto, precisar el impacto que tiene el<br />
problema sobre el cliente y los beneficios potenciales que se esperan del proyecto.<br />
Todo lo anterior se hará con base en el conocimiento que el grupo de mejora tiene<br />
sobre las prioridades de la empresa, las necesidades del cliente y del proceso que<br />
necesita ser mejorado.<br />
En esta fase es posible utilizar algunas herramientas básicas como:<br />
estratificación, diagrama de Pareto, hojas de verificación, diagrama de Ishikawa, lluvia<br />
de ideas, diagrama de dispersión y mapeo de procesos, herramientas que se<br />
describirán con más detalle en el apartado 3.4. Herramientas básicas para Seis<br />
Sigma.<br />
• (M) Medición de la situación actual.<br />
En esta segunda etapa se verifica que las VCC pueden medirse en forma<br />
consistente, a través de un estudio de Repetibilidad y Reproducibilidad (R&R).<br />
Asimismo, se determina el estado actual del proceso mediante un estudio de capacidad<br />
y estabilidad de las VCC (Ver apartado 3.5. Introducción a las herramientas<br />
estadísticas de la calidad), para saber con mayor precisión la magnitud del problema<br />
actual y generar bases para encontrar la solución.<br />
• (A) Análisis de las causas del problema.<br />
La meta de esta fase es identificar las causas raíz del problema o situación<br />
(identificar las X´s vitales o variables de entrada), entender cómo es que éstas generan<br />
80<br />
Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.550.<br />
81<br />
La información que se utilizó para realizar este apartado fue tomada de: Snee, R, Six Sigma Focuses<br />
On Improvement Rates, Ed. Quality Progress, E.U., 2003, p.68-72.<br />
55
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
el problema y confirmar las causas con datos, en esta etapa es posible utilizar el diseño<br />
experimental (Ver apartado 3.7. Diseño de experimentos) para desarrollar teorías que<br />
expliquen cómo es que las causas raíz generan el problema y confirmar estas teorías<br />
con datos, para después de ello tener las pocas causas vitales que están generando el<br />
problema.<br />
• (M) Mejora de las Variables críticas de calidad (VCC).<br />
En esta cuarta etapa se tiene que evaluar e implementar soluciones que<br />
atiendan las causas raíz, asegurándose que se reducen los defectos (la variabilidad). El<br />
objetivo de esta etapa es demostrar, con datos, que las soluciones propuestas<br />
resuelven el problema y llevan a las mejoras buscadas. El diseño experimental<br />
continua siendo esencial en esta etapa.<br />
• (C) Control.<br />
Una vez que las mejoras deseadas han sido alcanzadas, en esta etapa se<br />
diseña un sistema que mantenga las mejoras logradas (controlar las X´s vitales) y se<br />
cierra el proyecto. En otras palabras, el objetivo de esta etapa es desarrollar un<br />
conjunto de actividades con el propósito de mantener el estado y desempeño del<br />
proceso a un nivel que satisfaga las necesidades del cliente y esto sirva de base para<br />
buscar la mejora continua. En este sentido, es necesario establecer un sistema de<br />
control para:<br />
1. Prevenir que los problemas que tenía el proceso no se vuelvan a repetir.<br />
2. Impedir que las mejoras y conocimiento obtenido se olviden.<br />
3. Mantener el desempeño del proceso.<br />
4. Alentar la mejora continua.<br />
De acuerdo con lo anterior, además de difundir el proyecto, se deben acordar<br />
acciones de control en tres niveles: proceso, documentación y monitoreo.<br />
Como se puede notar, la metodología Seis Sigma ofrece la flexibilidad de aplicar<br />
las técnicas que se requieran en la definición, medición, análisis, mejora y control; lo<br />
cual permite proponer herramientas y técnicas que permitan reducir los defectos<br />
generados por el proceso de impresión.<br />
En general, la combinación de las diferentes herramientas estadísticas con el<br />
conocimiento imprescindible de los responsables del proceso, contribuyen a efectuar<br />
una acertada toma de decisiones con base en datos cuantitativos, que permitan<br />
establecer parámetros para efectuar una mejora continua de los procesos.<br />
A continuación se describen algunas herramientas básicas y de control<br />
estadístico utilizadas en las etapas DMAIC en la aplicación de Seis Sigma. Asimismo,<br />
se describen los principios y fundamentos del diseño experimental, utilizado en la etapa<br />
de análisis y mejora de SS.<br />
56
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
3.4. Herramientas básicas para Seis Sigma<br />
Como se mencionaba en el apartado 3.3.4.1. Etapas de la metodología SS, en<br />
la etapa de definición es necesario utilizar herramientas básicas como son:<br />
• Estratificación.<br />
• Diagrama de Pareto.<br />
• Hojas de verificación.<br />
• Diagrama de Ishikawa.<br />
• Lluvia de ideas.<br />
• Diagrama de dispersión.<br />
• Mapeo de procesos.<br />
A continuación se describen con mayor detalle estas herramientas.<br />
3.4.1. Estratificación<br />
Estratificar se refiere a analizar problemas, fallas, quejas o datos, clasificándolos<br />
o agrupándolos de acuerdo con los factores que se cree pueden influir en la magnitud<br />
de los mismos, para así localizar las mejores pistas para resolver los problemas de un<br />
proceso o para mejorarlo. Por ejemplo, los problemas pueden analizarse de acuerdo<br />
con métodos de trabajo, tipo de fallas, métodos de trabajo, maquinaria, turnos, obreros,<br />
materiales, o cualquier otro factor que permita vislumbrar acerca de dónde centrar los<br />
esfuerzos de mejora y cuáles son las causas vitales.<br />
La estratificación constituye una poderosa estrategia de búsqueda que permite<br />
entender cómo influyen los diversos factores o variantes que intervienen en una<br />
situación problemática, de forma que sea posible localizar diferencias prioridades y<br />
elementos que permitan profundizar en la búsqueda de las verdaderas causas del<br />
problema 82 .<br />
Como se observa en el siguiente ejemplo, si se estratifican los datos es posible<br />
localizar los rechazos que tienen un mayor impacto sobre el proceso.<br />
En una empresa del ramo metalmecánico se tiene interés en evaluar cuáles son<br />
los problemas más importantes por los que las piezas metálicas se rechazan cuando se<br />
inspeccionan. Este rechazo se da en diversas etapas del proceso y en distintos<br />
departamentos. Para hacer tal evaluación se estratificó los rechazos por tipo y por<br />
departamento que produjo la pieza. Los resultados de una semana se observan en la<br />
tabla 1.14 así como los tipos de problema, la frecuencia y el departamento donde se<br />
originaron.<br />
82 Duncan, Control de Calidad y Estadística Industrial, Ed. AlfaOmega, México, 2004, p.125.<br />
57
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
TABLA 1.14<br />
Estratificación de artículos defectuosos por tipo de defecto y departamento.<br />
Clasificación de piezas rechazadas por razón de rechazo y departamento<br />
Fecha<br />
Razón de rechazo Depto. A Depto. B Depto. C Total<br />
Llenado ///// // ///// ///// ///// // ///// ///// 33<br />
Porosidad ///// ///// // ///// ///// ///// ///// /// ///// ///// ///// 60<br />
Maquinado // / // 5<br />
Molde /// ///// / ///// // 16<br />
Ensamble // // // 6<br />
Total 26 59 35 120<br />
Fuente: Elaboración propia.<br />
3.4.2. Diagrama de Pareto<br />
Se ha demostrado que más del 80% de la problemática en una organización es<br />
común, es decir, se debe a problemas, causas o situaciones que actúan de manera<br />
permanente sobre el proceso. Sin embargo, en todo proceso existen unos cuantos<br />
problemas o situaciones vitales que contribuyen en gran medida a la problemática<br />
global de un proceso o una empresa.<br />
Debido a lo anterior, el diagrama o análisis de Pareto facilita seleccionar al<br />
problema más importante y al mismo tiempo centrarse sólo en atacar su causa más<br />
relevante. El objetivo es escoger un proyecto que pueda alcanzar la mejora más grande<br />
con el menor esfuerzo. Lo anterior es la premisa del diagrama de Pareto.<br />
La viabilidad y utilidad general del diagrama está respaldada por el llamado<br />
principio de Pareto, conocido como “Ley 80-20” o “Pocos vitales, muchos triviales”, el<br />
cual reconoce que unos pocos elementos (20%) generan la mayor parte del efecto<br />
(80%) y el resto de los elementos generan muy poco del efecto total. El nombre del<br />
principio es en honor del economista Wilfrido Pareto, quien reconoció que “pocas<br />
personas (20%) poseían gran parte de los bienes (80%). Sin embargo fue Juran quien<br />
reconoció que este principio también se aplicaba a la mejora de la calidad 83 .<br />
El diagrama de Pareto es un gráfico especial de barras cuyo campo de análisis o<br />
aplicación son los datos categóricos y tiene como objetivo ayudar a localizar el o los<br />
problemas vitales, así como sus causas más importantes. Lo anterior, tiene la finalidad<br />
de que cuando se quiera mejorar un proceso o atender sus problemas no se trabaje<br />
con todos los problemas al mismo tiempo y se ataquen todas sus causas a la vez, sino<br />
que, con base en los datos e información aportados por un análisis de Pareto se<br />
83 Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.160.<br />
58
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
establezcan prioridades y se enfoquen los esfuerzos donde puedan tener mayor<br />
impacto 84 .<br />
Así se tiene el siguiente ejemplo 85 : En una fábrica de botas industriales se hace<br />
una inspección del producto final, mediante el cual las botas con algún tipo de defecto<br />
se mandan a tiendas de segunda. Mediante un análisis de los defectos por los que las<br />
botas se mandan a la segunda se obtienen los siguientes datos, que se presentan en la<br />
tabla 1.15, correspondientes a las últimas 10 semanas:<br />
TABLA 1.15<br />
Defectos en la producción de botas<br />
Razón de defecto Total Porcentaje<br />
Piel arrugada 99 13.4<br />
Costuras fallas 135 18.3<br />
Reventado de piel 369 50.0<br />
Mal montada 135 18.3<br />
Total 738 100.0<br />
Fuente: Gutiérrez H, De la Vara R. Control Estadístico de Calidad y Seis Sigma Ed. McGraw Hill. 2004,<br />
p.162.<br />
Y a continuación, se presenta en la figura 1.22 el diagrama de Pareto de primer<br />
nivel o de problemas, el cual consiste en efectuar un primer análisis de los problemas<br />
más relevantes que afectan un proceso o un producto.<br />
Frecuencia<br />
800<br />
700<br />
600<br />
500<br />
400<br />
300<br />
200<br />
100<br />
Pareto para problemas en botas<br />
0<br />
Defecto Reventado de piel Costuras fallas Mal montada Piel arrugada<br />
Frecuencia 369 135 135 99<br />
Percent 50.0 18.3 18.3 13.4<br />
Cum % 50.0 68.3 86.6 100.0<br />
FIGURA 1.22<br />
Diagrama de Pareto de primer nivel para defectos en botas<br />
Fuente: Gutiérrez H, De la Vara R. Control Estadístico de Calidad y Seis Sigma Ed. McGraw Hill. 2004,<br />
p.162<br />
84 Ídem, p.162.<br />
85 Tomado de Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill,<br />
México, 2004, p.161.<br />
100<br />
80<br />
60<br />
40<br />
20<br />
0<br />
Porcentaje<br />
59
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Como se observa en el diagrama de Pareto el defecto de reventado de piel es el<br />
más importante, ya que este representa 50% del total de defectos. En este defecto es<br />
necesario centrar un proyecto de mejora que trate de encontrar las causas de fondo.<br />
Un error frecuente es obtener conclusiones precipitadas del primer Pareto. Con<br />
el fin de evitar lo anterior, es necesario desarrollar un Pareto de segundo nivel<br />
orientado hacia las causas del problema principal. Para ello es necesario preguntarse si<br />
el problema se presenta con la misma intensidad en todos los modelos, materiales,<br />
turnos, máquinas, operadores, etc.<br />
En el ejemplo de las botas fue necesario clasificar o estratificar el defecto de<br />
reventado de piel de acuerdo con el modelo de la bota y se encontraron los datos que<br />
se presentan en la tabla 1.16.<br />
TABLA 1.16<br />
Modelos de bota que presentan el defecto de reventado de piel<br />
Modelo de bota Defecto de reventado de<br />
piel<br />
Porcentaje<br />
512 225 46.60<br />
501 64 13.30<br />
507 80 16.60<br />
503 75 15.50<br />
524 39 8.10<br />
Total 738 100.0<br />
Fuente: Gutiérrez H, De la Vara R. Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill,<br />
México, 2004, p.164.<br />
Si se representa lo anterior en un diagrama de Pareto de segundo nivel se<br />
puede observar en la figura 1.23 que el problema de reventado de piel se presenta en<br />
el modelo de bota 512, y que en los otros modelos es un defecto de la misma<br />
importancia que las otras fallas. Por consiguiente, es necesario buscar la causa del<br />
problema exclusivamente en el proceso de fabricación del modelo 512.<br />
60
Piel reventada<br />
500<br />
400<br />
300<br />
200<br />
100<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Pareto para problemas en botas<br />
0<br />
Modelo 512 507 503 501 524<br />
Piel reventada 225 80 75 64 39<br />
Percent 46.6 16.6 15.5 13.3 8.1<br />
Cum % 46.6 63.1 78.7 91.9 100.0<br />
FIGURA 1.23<br />
Diagrama de Pareto de segundo nivel para defectos en botas<br />
Fuente: Gutiérrez H, De la Vara R. Control Estadístico de Calidad y Seis Sigma Ed. McGraw Hill. 2004,<br />
p.164<br />
En este ejemplo es posible evidenciar que en la solución de problemas una<br />
nueva información debe llevar a descartar opciones y a profundizar la búsqueda y el<br />
análisis en una dirección más específica, ya que de este modo se evita caer en<br />
conclusiones precipitadas y erróneas.<br />
Esta técnica sugiere que después de hacer un primer diagrama de Pareto en el<br />
que se detecte el problema principal, se debe hacer un análisis de Pareto para causas<br />
o de segundo nivel o más niveles, en el que se estratifica el defecto más importante por<br />
turno, modelo, materia prima o alguna otra fuente de variación que dé indicios de<br />
dónde, cuándo, o bajo qué circunstancias se manifiesta más el defecto principal.<br />
3.4.3. Hojas de verificación<br />
En muchas ocasiones es común que en algunas áreas o empresas no existan<br />
datos ni información; en otros casos el problema no es la escasez de datos, por el<br />
contrario, abundan reportes, informes, registros, etc. El problema entonces se refiere a<br />
la manera en que se registran los datos para su posterior análisis.<br />
La hoja de verificación es un formato construido para recolectar datos, de forma<br />
que su registro sea sencillo, sistemático y que sea fácil analizarlos 86 . Una característica<br />
que debe reunir una buena hoja de verificación es que visualmente se pueda hacer el<br />
primer análisis que permita apreciar las principales características de la información<br />
buscada.<br />
86 Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.172.<br />
100<br />
80<br />
60<br />
40<br />
20<br />
0<br />
Porcentaje<br />
61
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Algunas de las situaciones sobre las que resulta de utilidad obtener datos a<br />
través de las hojas de verificación son las siguientes 87 :<br />
• Describir el desempeño o los resultados de un proceso.<br />
• Clasificar las fallas, quejas o defectos detectados, con el propósito de identificar sus<br />
magnitudes<br />
• Confirmar posibles causas de problemas de calidad.<br />
• Analizar o verificar operaciones y evaluar el efecto de planes de mejora.<br />
En el siguiente ejemplo, se muestra la utilidad de las hojas de verificación. Una<br />
característica de calidad importante en el tequila es el color, ya que eso le da identidad<br />
a la marca, entre otros aspectos. En una empresa en particular tiene como<br />
especificaciones para cierto producto que su color debe estar entre 61 y 65% de<br />
transmisión. Para analizar el color, además de llevar una carta de control se ha<br />
diseñado la hoja de verificación de la tabla 1.17, como una forma de analizar la<br />
capacidad del proceso 88 .<br />
87 Gutiérrez Pulido H, Calidad Total y Productividad, Ed. McGraw Hill. México, 2004, p.120.<br />
88 Tomado de Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill,<br />
México, 2004, p.174.<br />
62
TABLA 1.17<br />
Hoja de verificación para distribución de proceso (color)<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
HOJA DE VERIFICACIÓN<br />
Producto Responsable<br />
Especificaciones Fecha<br />
Frecuencia total 1 2 5 10 15 21 13 9 5 3 1<br />
30<br />
FRECUENCIA<br />
25<br />
20<br />
15<br />
10<br />
5<br />
Color 60 61 61 61 62 62 63 63 63 64 64 65 65 65 66<br />
EI ES<br />
Fuente: Gutiérrez H, De la Vara R. Control Estadístico de Calidad y Seis Sigma Ed. McGraw Hill. 2004,<br />
p.175.<br />
De esta forma, al medir el color se hace una marca sobre la columna cuyo valor<br />
esté más cercano al de la medición. Esta hoja es utilizada para datos continuos donde<br />
se hace énfasis en el comportamiento del proceso más que en las observaciones<br />
individuales. Además se pueden apreciar comportamientos especiales, como datos<br />
raros, acantilados, distribuciones bimodales, entre otros.<br />
Por consiguiente, la finalidad de una hoja de verificación es fortalecer el análisis<br />
y medición del desempeño de los diferentes procesos de la empresa y así contar con la<br />
información para orientar esfuerzos, actuar y decidir objetivamente.<br />
63
3.4.4. Diagrama de Ishikawa<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
El diagrama de causa-efecto o de Ishikawa es un método gráfico que relaciona<br />
un problema o efecto con los factores o causas que posiblemente lo generan 89 . La<br />
importancia de este diagrama radica en que obliga a contemplar todas las causas que<br />
pueden afectar el problema bajo análisis y de esta forma se evita el error de buscar<br />
directamente las soluciones sin analizar a fondo cuáles son las verdaderas causas.<br />
Existen tres tipos básicos de diagramas de Ishikawa, los cuales dependen de<br />
cómo se buscan y se organizan las causas en la gráfica 90 .<br />
Método de las 6M´s<br />
El método de las 6M´s es el más común y consiste en agrupar las causas<br />
potenciales en aquellos elementos que aportan variabilidad en un proceso o en un<br />
producto: métodos de trabajo, mano de obra, materiales, maquinaria, medición y medio<br />
ambiente 91 . Por consiguiente, es natural esperar que las causas de un problema estén<br />
relacionadas con alguna de las 6M´s.<br />
Dentro de las ventajas que presenta este método se enumeran las siguientes:<br />
• Obliga a considerar gran cantidad de elementos asociados con el problema.<br />
• Puede ser usado cuando el proceso no se conoce con detalle.<br />
• Se concentra en el proceso y no en el producto.<br />
Por ejemplo, como se observa en la figura 1.24 el método de las 6M´s puede ser<br />
de gran utilidad para determinar las principales causas que provocan el envejecimiento<br />
prematuro de una pieza mecánica.<br />
89 El nombre de diagrama de Ishikawa es en honor del Doctor Karou Ishikawa, que fue uno de los<br />
impulsores de la calidad en Japón y en todo el mundo, y quien empezó a usar sistemáticamente el<br />
diagrama de causa-efecto.<br />
90 Gutiérrez Pulido H, Calidad Total y Productividad, Ed. McGraw Hill. México, 2004, p.125.<br />
91 Duncan, Control de Calidad y Estadística Industrial, Ed. AlfaOmega, México, 2004, p.131.<br />
64
Measureme<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Diagrama de Ishikawa para envejecimiento prematuro<br />
Variable<br />
Environment<br />
Material<br />
Capacitación<br />
Temperatura<br />
Humedad<br />
Inadecuado<br />
Fuera de<br />
especificaciones<br />
Methods<br />
Inspección<br />
Operación<br />
Transporte<br />
Personnel<br />
Deficiente<br />
No<br />
Machines<br />
Operario<br />
capacitada<br />
Supervisión<br />
Inspección<br />
Subensamble<br />
inadecuado<br />
Mal mantenimiento<br />
Desajustada<br />
Obsoleta<br />
Envejecimi<br />
ento<br />
prematuro<br />
FIGURA 1.24<br />
Diagrama de Ishikawa para problemas de envejecimiento prematuro en piezas mecánicas<br />
Fuente: Elaboración propia<br />
Como se aprecia en la figura anterior, el diagrama de Ishikawa se puede aplicar<br />
secuencialmente para detectar las causas que motivan un problema.<br />
Método flujo del proceso<br />
Con el método flujo del proceso de construcción la línea principal del diagrama<br />
de Ishikawa sigue la secuencia normal del proceso de producción o de administración.<br />
Los factores que pueden afectar la característica de calidad se agregan en el orden que<br />
les corresponde según el proceso 92 . Este método permite explorar formas alternativas<br />
de trabajo, detectar cuellos de botella, descubrir problemas ocultos, etc.<br />
Algunas de las ventajas del diagrama de Ishikawa, construido según el flujo del<br />
proceso son las siguientes 93 :<br />
• Obliga a preparar el diagrama de flujo del proceso.<br />
• Se considera al proceso completo como una causa potencial del problema.<br />
• Identifica procedimientos alternativos de trabajo.<br />
• Se pueden llegar a descubrir otros problemas no considerados al inicio.<br />
• Permite que las personas que desconocen el proceso se familiaricen con él, lo que<br />
facilita su uso.<br />
• Puede usarse para predecir problemas del proceso, poniendo atención especial en<br />
las fuentes de variabilidad.<br />
92 Ídem, p.133.<br />
93 Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.183.<br />
65
Materia prima<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
La figura 1.25 muestra un diagrama construido con este método.<br />
Impurezas<br />
Ensachamiento<br />
Hechura de<br />
tubo<br />
Movimiento<br />
Pulimento<br />
Peso<br />
Rolado<br />
Rolado<br />
Correción Aplanamiento<br />
Amontonamiento<br />
Alambre<br />
Movimiento<br />
Caídas<br />
Prueba de<br />
agua<br />
Inspección<br />
Pulimento Movimiento<br />
Colocación<br />
FIGURA 1.25<br />
Diagrama de Ishikawa tipo flujo de proceso<br />
Fuente: Gutiérrez H. Calidad Total y Productividad, Ed. McGraw Hill, 2004, p.183.<br />
Método de estratificación o enumeración de causas<br />
Valvula<br />
Rolado<br />
Pintura superficial<br />
Cicatrices en<br />
tubos de<br />
acero<br />
El objetivo del método de estratificación de construcción del diagrama de<br />
Ishikawa es ir directamente a las principales causas potenciales, sin agrupar de<br />
acuerdo a las 6M´s 94 . La selección de estas causas en muchas ocasiones se hace a<br />
través de una sesión de lluvia de ideas.<br />
Esta manera de construir el diagrama de Ishikawa es natural cuando las<br />
categorías de las causas potenciales no necesariamente coinciden con las 6M´s. En la<br />
figura 1.26 se muestra un diagrama de Ishikawa construido con este método, el cual<br />
hace referencia a las causas que afectan la duración de la pintura en una pieza<br />
metálica.<br />
94 Duncan, Control de Calidad y Estadística Industrial, Ed. AlfaOmega, México, 2004, p.134.<br />
66
Calidad de pintura Mantenimiento<br />
Pigmento<br />
Tiempo de<br />
exposición<br />
Adherencia<br />
Acabado<br />
Frecuencia<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Encerado<br />
Temperatura<br />
Exposición<br />
Contaminación<br />
Método de pintura Atmósfera<br />
FIGURA 1.26<br />
Diagrama de Ishikawa del tipo de enumeración de causas<br />
Fuente: Elaboración propia<br />
Duración<br />
(porcentaje de<br />
conservación)<br />
Algunas de las ventajas del método de estratificación para construir el diagrama<br />
de Ishikawa se muestran a continuación 95 :<br />
• Proporciona un agrupamiento claro de las causas potenciales del problema, lo que<br />
permite centrarse directamente en el análisis del problema.<br />
• Este diagrama es menos complejo que los obtenidos con los otros procedimientos.<br />
Sin embargo, dentro de las principales desventajas que presenta este método es<br />
que se puede dejar de contemplar algunas causas potenciales importantes y que para<br />
aplicar este método se requiere mayor conocimiento del producto o el proceso.<br />
3.4.5. Lluvia de ideas<br />
Las sesiones de lluvia o tormenta de ideas es una forma de pensamiento<br />
creativo encaminada a que todos los miembros del grupo participen libremente y<br />
aporten ideas sobre determinado tema o problema 96 . Esta técnica es de gran utilidad<br />
para el trabajo en equipo debido a que permite la reflexión y el dialogo sobre un<br />
problema. Las sesiones de lluvia de ideas se rigen por los siguientes pasos 97 :<br />
1. Definir con claridad y precisión el tema o problema sobre el que se aportan ideas.<br />
2. Nombrar un moderador de la sesión, quien se encargará de coordinar las<br />
participaciones.<br />
95<br />
Gutiérrez H. Calidad Total y Productividad, Ed. McGraw Hill, México, 2004, p.150.<br />
96<br />
Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.186.<br />
97<br />
Gutiérrez H. Calidad Total y Productividad, Ed. McGraw Hill, México, 2004, p.153.<br />
67
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
3. Cada participante en la sesión hace una lista por escrito de ideas sobre el tema.<br />
4. Los participantes se acomodan de preferencia en forma circular y se turnan para<br />
leer una idea de su lista cada vez.<br />
5. Una vez leídos todos los puntos, el moderador pregunta a cada persona, si tiene<br />
puntos adicionales. Este proceso continúa hasta que se agoten las ideas.<br />
6. Agrupar las causas por su similitud y representarlas en un diagrama de Ishikawa,<br />
considerando que para cada grupo corresponderá una rama principal del diagrama.<br />
7. A continuación se inicia una discusión abierta a centrar la atención en las causas<br />
principales.<br />
8. Elegir las causas o ideas más importes de entre las que el grupo ha destacado<br />
previamente. Para ello se tienen tres opciones: datos, consenso o votación.<br />
9. Como se observa en la figura 1.27, la sesión de lluvia de ideas está encaminada a<br />
resolver un problema. Por consiguiente, se debe buscar que en futuras sesiones o<br />
reuniones se llegue a acciones concretas que se deban realizar.<br />
FIGURA 1.27<br />
Objetivo de la sesión de lluvia de ideas<br />
Fuente: Elaboración propia<br />
3.4.6. Diagrama de dispersión<br />
El diagrama de dispersión es una gráfica de tipo X-Y cuyo objetivo es analizar la<br />
forma en que dos variables numéricas están relacionadas 98 . Por ejemplo, la dimensión<br />
de una pieza podría estar relacionada de alguna manera con el orden en que se<br />
fabricó, o puede ser que la variación en una variable de entrada de un proceso esté<br />
relacionada con el valor de alguna característica de calidad del producto final.<br />
98 Ídem, p.155.<br />
68
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Para investigar si existe alguna relación entre dos variables, como las de los<br />
ejemplos anteriores, existen varios métodos estadísticos. Uno de ellos es el diagrama<br />
de dispersión, que se obtiene si X representa una variable y Y la otra; entonces se<br />
colectan los datos en pares de valores sobre las dos variables (xi,yi). Las parejas de<br />
datos obtenidos se representan a través de un punto en una gráfica del tipo X-Y y a la<br />
figura resultante se le conoce como diagrama de dispersión 99 .<br />
En la figura 1.28 se muestran los patrones más comunes que puede seguir un<br />
conjunto de puntos en un diagrama de dispersión.<br />
Y<br />
Y<br />
18<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
0<br />
20.0<br />
17.5<br />
15.0<br />
12.5<br />
10.0<br />
7.5<br />
5.0<br />
0<br />
a) Correlación positiva (r=0.90)<br />
5<br />
10<br />
X<br />
a) Correlación positiva (r=0.90)<br />
5<br />
c) Sin correlación (r=0.06)<br />
10<br />
X<br />
c) Sin correlación (r=0.06)<br />
15<br />
15<br />
20<br />
20<br />
Y<br />
Y<br />
30<br />
25<br />
20<br />
15<br />
10<br />
25<br />
20<br />
15<br />
10<br />
5<br />
0<br />
0<br />
0<br />
b) Correlación negativa (r=0.90)<br />
5<br />
10<br />
X<br />
b) Correlación negativa (r=0.90)<br />
5<br />
10<br />
15<br />
15<br />
d) Posible correlación negativa (r=0.65)<br />
X<br />
d) Posible correlación negativa (r=0.65)<br />
99 Duncan, Control de Calidad y Estadística Industrial, Ed. AlfaOmega, México, 2004, p.142.<br />
20<br />
20<br />
25<br />
69
Y<br />
18<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
2<br />
4<br />
e) Correlación por estratificación<br />
6<br />
8<br />
X<br />
e) Correlación por estratificación<br />
FIGURA 1.28<br />
Patrones principales de correlación<br />
Fuente: Elaboración propia<br />
10<br />
12<br />
14<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Y<br />
20<br />
15<br />
10<br />
5<br />
0<br />
0<br />
5<br />
f) Relación parabólica (r=0.10)<br />
10<br />
15<br />
X<br />
f) Relación parabólica (r=0.10)<br />
Es importante señalar que los puntos en un diagrama de dispersión pueden<br />
seguir una diversidad de patrones. Por ejemplo, en la figura 1.28f se muestra una<br />
relación curvilínea en forma de parábola, de tal forma que conforme X crece, Y<br />
también lo hace hasta cierto punto y después empieza a disminuir.<br />
Por otro lado, si los puntos están dispersos dentro de una banda horizontal sin<br />
ningún orden aparente, como en la figura 1.28c, entonces no existe ninguna relación<br />
entre las dos variables. Por el contrario, si los puntos siguen algún patrón bien definido,<br />
es probable que exista una relación entre ellas, como en las figuras 1.28a, b, d.<br />
Algunos patrones típicos de correlación y aspectos a considerar en la<br />
interpretación de un diagrama de dispersión es la correlación positiva en la figura 1.28a<br />
se ve que cuando X crece, también lo hace Y en forma lineal, por lo que se habla de<br />
una correlación lineal positiva. Si los puntos siguen la tendencia de una línea pero<br />
menos definida (con dispersión en el sentido vertical), entonces se habla de una<br />
correlación positiva más débil.<br />
La correlación negativa se muestra en la figura 1.28b, donde se observa que<br />
cuando X crece, Y disminuye en forma lineal y viceversa, por lo que se habla de una<br />
correlación negativa. Asimismo, cuando se está analizando la relación entre dos<br />
variables, de ser posible se debe buscar estratificar (véase figura 1.28e), ya sea por<br />
tipo de producto, proceso, turno, etc.<br />
Finalmente, para asegurarse de que la relación entre dos variables que se<br />
observa en un diagrama no se debe a una construcción errónea del diagrama de<br />
dispersión (por ejemplo, tamaño y escalas de la gráfica) y para cuantificar la magnitud<br />
de la correlación lineal en términos numéricos, es de utilidad calcular el coeficiente de<br />
20<br />
25<br />
30<br />
70
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
correlación, el cual, para una muestra de n parejas de puntos del tipo (xi,yi) esta<br />
definido por 100 :<br />
Donde:<br />
r =<br />
S<br />
xy<br />
S ⋅ S<br />
xx yy<br />
n n<br />
⎛ ⎞⎛ ⎞<br />
n n ⎜∑ xi⎟⎜∑ yi⎟<br />
i= 1 i=<br />
1<br />
S = ( x − x )( y − y) = x y −<br />
⎝ ⎠⎝ ⎠<br />
∑ ∑<br />
n<br />
xy i i i i<br />
i= 1 i=<br />
1<br />
n<br />
2<br />
⎛ ⎞<br />
n n ⎜∑ xi⎟<br />
2 2 i=<br />
1<br />
Sxx = ( xi x) x<br />
⎝ ⎠<br />
∑ − = ∑ i −<br />
i= 1 i=<br />
1 n<br />
n<br />
2<br />
⎛ ⎞<br />
n n ⎜∑ yi⎟<br />
2 2 i=<br />
1<br />
S yy = ( yi y) y<br />
⎝ ⎠<br />
∑ − = ∑ i −<br />
i= 1 i=<br />
1 n<br />
Los valores que toma el coeficiente de correlación r, están en el intervalo<br />
( −1≤ r ≤ 1) . Los valores de r cercanos o iguales a cero implican poca o nula relación<br />
lineal entre X y Y. En contraste, los valores de r cercanos a 1 indican una relación lineal<br />
positiva fuerte, entre más cercanos es más fuerte la relación, y los valores de r<br />
próximos a -1 señalan una fuerte correlación negativa 101 .<br />
En los diagramas de dispersión mostrados en la figura 1.28, es posible observar<br />
que a y b poseen una fuerte correlación positiva y negativa respectivamente, mientras<br />
que en c no existe correlación ya que el valor de r es muy pequeño.<br />
3.4.7. Mapeo de procesos<br />
El mapeo de un proceso es una representación gráfica de un proceso en la que<br />
se ilustra de manera detallada todos los pasos del proceso, tanto los que agregan valor<br />
como los que no 102 ; también se identifican las variables claves del proceso, tanto de<br />
entrada como de salida.<br />
Es importante señalar que los mapeos de proceso pueden hacerse en tres<br />
niveles: macro (toda una organización), nivel local (un proceso específico) o nivel micro<br />
100 Ídem, p.144.<br />
101 Gutiérrez H. Calidad Total y Productividad, Ed. McGraw Hill, México, 2004, p.184.<br />
102 Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.193.<br />
71
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
(un subproceso en particular) 103 . En la figura 1.29 se muestra un mapeo del proceso de<br />
elaboración de pan, así como la simbología comúnmente empleada.<br />
Finalmente, el propósito de un mapeo de proceso es identificar las variables<br />
críticas de calidad que afectan el proceso y analizar oportunidades para simplificar el<br />
proceso, ya sea eliminando pasos o identificando cuellos de botella 104 . Lo anterior, a<br />
través de una mayor comprensión del proceso analizado de manera gráfica.<br />
OK<br />
SI<br />
Receta<br />
NO<br />
Mezclado<br />
PNC<br />
NO<br />
OK PNC<br />
SI<br />
4<br />
5<br />
6<br />
Cortado<br />
OK<br />
PNC<br />
SIMBOLOGÍA:<br />
SI<br />
Enfriado<br />
NO Cámara de vapor<br />
PRODUCCIÓN<br />
Flujo operaciones<br />
Operación e inspección<br />
Decisor<br />
NO<br />
OK PNC<br />
Horno<br />
OK<br />
PNC<br />
NO<br />
Desmoldeado<br />
NO<br />
OK PNC<br />
FIGURA 1.29<br />
Mapeo del proceso de la elaboración de pan<br />
Fuente: Elaboración propia<br />
7<br />
SI<br />
SI<br />
SI<br />
10<br />
8<br />
9<br />
Actividad Administrativa<br />
Documento<br />
Almacenaje<br />
OK<br />
SI<br />
NO<br />
Cortado<br />
NO<br />
OK PNC<br />
Embolsado<br />
OK PNC<br />
NO<br />
13<br />
Etiquetado OK<br />
SI<br />
SI<br />
NO<br />
SI<br />
PNC<br />
Almacenamiento<br />
Transporte<br />
Producto no conforme<br />
INICIO<br />
Solicitud<br />
pedido<br />
Pedido<br />
venta<br />
Orden<br />
producción<br />
Factura<br />
Producto T<br />
3<br />
1<br />
2<br />
Tienda<br />
abarrotes<br />
Tienda<br />
departamental<br />
COMERCIALIZACIÓN<br />
A continuación se describirán las herramientas estadísticas utilizadas en la etapa<br />
de medición en la aplicación de SS, ya que su propósito es medir de manera objetiva, a<br />
través de datos, el comportamiento del proceso para analizarlo y generar propuestas<br />
de mejora.<br />
103 Ídem, p.195.<br />
104 Gutiérrez H. Calidad Total y Productividad, Ed. McGraw Hill, México, 2004, p.191.<br />
11<br />
12<br />
PNC<br />
PNC<br />
14<br />
15<br />
16a<br />
16b<br />
Pedido<br />
especial<br />
FIN<br />
16c<br />
72
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
3.5. Introducción a las herramientas estadísticas de la<br />
calidad<br />
Como se ha visto en páginas anteriores, en los procesos industriales<br />
interactúan materiales, máquinas, mano de obra, mediciones, medio ambiente y<br />
métodos. Estos elementos determinan el proceso y cada uno aporta algo a la<br />
variabilidad y a la calidad de la salida del proceso, como se esquematiza en la figura<br />
1.30. El resultado de todo proceso se debe a la acción conjunta de las 6M´s, por lo que<br />
si existe un cambio significativo en el desempeño del proceso, la razón de tal cambio<br />
se encuentra en una o más de las 6M´s.<br />
Maquinaria<br />
Materiales<br />
Mano de obra Mediciones<br />
Variable de salida (característica de calidad)<br />
FIGURA 1.30<br />
Elementos que aportan la variabilidad a un proceso<br />
Fuente: Elaboración propia<br />
Medio ambiente<br />
En un proceso cada una de las 6M´s aporta su propia variación; por ejemplo, los<br />
materiales no son idénticos, ni toda la gente tiene las mismas habilidades y<br />
capacitación. Del mismo modo, a través del tiempo ocurren cambios frecuentes en las<br />
6M´s como la llegada de lotes de material no adecuado o con características<br />
especiales, descuidos u olvidos de la gente, desajustes de máquinas y herramientas,<br />
etc.<br />
Sin embargo, no todos los cambios en las 6M´s se reflejan en un cambio<br />
significativo en los resultados del proceso, ya que habrá ciertos cambios o variaciones<br />
que se pueden ver como inherentes al funcionamiento del proceso (causas comunes) y<br />
habrá otros cambios que se deben a una situación particular y atribuible (causas<br />
especiales).<br />
Métodos<br />
73
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Las causas comunes o naturales se refieren a las diferentes fuentes de variación<br />
dentro de un proceso que tienen una distribución repetible en el tiempo 105 . Si en el<br />
proceso sólo se presentan las causas comunes de variación y éstas no cambian, la<br />
salida del proceso es predecible.<br />
Por otro lado, las causas especiales se refieren a los factores que causan<br />
variación y que no siempre actúan en el proceso 106 . Cuando estas ocurren, hacen que<br />
la distribución completa del proceso cambie; a menos de que todas las causas<br />
especiales de variación sean identificadas y contrarrestadas, continuarán afectando el<br />
proceso de forma impredecible.<br />
Debido a lo anterior, es necesario monitorear el proceso y que este se realice de<br />
forma objetiva y efectiva, y una forma de hacerlo es a través de las técnicas del control<br />
estadístico del proceso. Por consiguiente, me permito definir el Control Estadístico del<br />
Proceso (CEP) como: un método eficiente de recolección y análisis de los datos que<br />
permite estudiar el comportamiento de un proceso y controlar su variación.<br />
En la mejora continua y en Seis Sigma (como se verá más adelante) las técnicas<br />
estadísticas son de gran utilidad en las empresas para: 107<br />
• Identificar dónde, cómo, cuándo y con qué frecuencia se presentan los problemas<br />
(regularidad estadística).<br />
• Identificar las fuentes de variabilidad, analizar su estabilidad y pronosticar su<br />
desempeño.<br />
• Detectar con rapidez, oportunidad y a bajo costo anormalidades en los procesos y<br />
sistemas de medición (monitoreo eficaz).<br />
• Ser objetivos en la planeación y toma de decisiones, y evitar frases como “yo<br />
siento”, “yo creo”, “mi experiencia me dice que…” y el abuso de poder en la toma de<br />
decisiones.<br />
• Expresar los hechos en forma de datos y evaluar objetivamente el impacto de<br />
acciones de mejora.<br />
• Enfocarse a los hechos vitales, a los problemas y causas realmente importantes.<br />
• Analizar lógica, sistemáticamente y ordenadamente la búsqueda de mejoras.<br />
Por consiguiente, el pensamiento estadístico es una filosofía de aprendizaje y<br />
acción que establece la necesidad de efectuar un análisis adecuado de los datos de un<br />
proceso, como una acción indispensable para mejorar su calidad y por ende reducir su<br />
variabilidad.<br />
105 Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.205.<br />
106 Ídem, p.207.<br />
107 Ídem, p.212.<br />
74
3.5.1. Gráficos de Control<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
En este apartado se desarrollarán los conceptos generales de las cartas de<br />
control para variables continuas más usuales, y que se aplicaran en el presente<br />
estudio.<br />
Como se mencionaba anteriormente, los procesos están sujetos a variación, ya<br />
que en él intervienen diferentes factores sintetizados a través de las 6M´s. Por<br />
consiguiente, es necesario entender que la variabilidad de un proceso se puede<br />
estudiar como: a) la variabilidad natural o inherente en un tiempo específico, que se<br />
puede ver como una foto instantánea de la variabilidad, y b) la variabilidad a través del<br />
tiempo.<br />
La importancia de lo anterior se puede resaltar al señalar que para mejorar un<br />
proceso se requieren de las siguientes actividades: 108<br />
• Estabilizar los procesos (a través del control estadístico), mediante la identificación<br />
y eliminación de causas especiales.<br />
• Mejorar el proceso mismo, reduciendo la variación debida a causas comunes.<br />
• Monitorear el proceso para asegurar que las mejoras se mantienen y para detectar<br />
oportunidades.<br />
Las cartas de control permiten distinguir los tipos de variación presentes en el<br />
proceso, ya que un proceso que trabaja sólo con causas comunes de variación se dice<br />
que está en control estadístico 109 (o la variación que presenta a través del tiempo es<br />
estable). Por otro lado, un proceso en el que están presentes causas especiales de<br />
variación se dice que está fuera de control estadístico 110 (inestable). Este tipo de<br />
procesos son impredecibles sobre un futuro inmediato, ya que en cualquier momento<br />
pueden aparecer de nuevos las situaciones que tienen un efecto especial sobre la<br />
tendencia central o la variabilidad.<br />
No distinguir entre estos dos tipos de variabilidad lleva a cometer dos errores en<br />
la actuación sobre los procesos 111 :<br />
a) Error 1: Reaccionar ante un cambio o variación (efecto o problema) como si<br />
proviniera de una causa especial, cuando en realidad surge de algo más profundo del<br />
proceso, como son las causas comunes de variación.<br />
b) Error 2: Tratar un efecto o cambio como si proviniera de causas comunes de<br />
variación, cuando en realidad se debe a una causa especial.<br />
108<br />
Gutiérrez H. Calidad Total y Productividad, Ed. McGraw Hill, México, 2004, p.208<br />
109<br />
Duncan, Control de Calidad y Estadística Industrial, Ed. AlfaOmega, México, 2004, p.156.<br />
110<br />
Ídem, p.157.<br />
111<br />
Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.209<br />
75
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Ambos efectos causan pérdida, se puede evitar uno u otro error; sin embargo,<br />
no es posible reducir a cero ambos errores. Por lo tanto lo más recomendable es tratar<br />
de cometer rara vez ambos errores y para ello fueron ideadas las cartas de control por<br />
el Dr. Walter Shewart en 1924 112 .<br />
Por consiguiente, el objetivo básico de una carta de control es analizar con datos<br />
estadísticos la variabilidad y el comportamiento de un proceso a través del tiempo. Lo<br />
anterior, permitirá distinguir entre variaciones por causas comunes y especiales, lo cual<br />
permitirá caracterizar el funcionamiento del proceso y decidir las mejores acciones de<br />
control y mejora.<br />
En la figura 1.31 se muestra el modelo de la carta de control de Shewart en la<br />
que se aprecia que de lo que se trata es de analizar de donde a donde varía el<br />
estadístico a través del tiempo. Los valores que va tomando la grafica se representan<br />
con un punto y éstos se unen con una línea recta. La línea central representa el<br />
promedio de los datos, o bien una media, un rango, un porcentaje, etc.<br />
FIGURA 1.31<br />
Modelo de carta de control de Shewart<br />
Fuente: Elaboración propia<br />
Los límites de control, inferior y superior, definen el inicio y el final del rango de<br />
variación de la carta de control, de tal forma que cuando el proceso está en control<br />
estadístico haya una alta probabilidad de que prácticamente todos los valores caigan<br />
dentro de los límites. Por ello, si se observa un punto fuera de los límites de control,<br />
será señal de que ha ocurrido algo fuera de lo usual en el proceso. 113<br />
Existen dos tipos generales de cartas de control: para variables y para atributos.<br />
Las cartas de control para variables se aplican a características de calidad de tipo<br />
112 Smith, G.M, Statistical Process Control and Quality Improvement, Ed. Prentice Hall, New Jersey,<br />
2005, p.120.<br />
113 Ídem, p.125.<br />
76
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
continuo, es decir, aquellas que requieren un instrumento de medición (pesos,<br />
densidad, volumen, voltaje, resistencias, temperatura, etc.). Las cartas para variables<br />
más usuales son 114 :<br />
• X (de promedios)<br />
• R (de rangos)<br />
• S (de desviación estándar)<br />
• X (de medias individuales).<br />
Estas formas distintas de llamarle a una carta de control se debe al tipo de<br />
estadístico que se grafica en la carta: un promedio, un rango, etcétera; por medio de la<br />
cual se analizará una característica de un producto o proceso.<br />
Por otro lado, existen características de calidad que no son medidas con un<br />
instrumento de medición en una escala numérica. En estos casos, el producto o<br />
proceso se juzga como conforme o no conforme, dependiendo de si posee ciertos<br />
atributos; o también al producto o proceso se le podrá contar el número de defectos o<br />
no conformidades que tiene. Estas cartas de control se clasifican en 115 :<br />
• p (proporción o fracción de artículos defectuosos)<br />
• np (número de unidades defectuosas)<br />
• c (número de defectos)<br />
• u(número de defectos por unidad).<br />
Además de las anteriores cartas de control, existen gran variedad que en<br />
general pretenden mejorar el desempeño de alguna de las cartas tradicionales. Por<br />
ejemplo, la cartas EWMA (por sus siglas en inglés: exponentially weighted moving<br />
average “medias móviles potencialmente ponderadas”) y Cusum (sumas acumuladas)<br />
permiten detectar más rápido un cambio en el proceso, reducir la frecuencia de falsas<br />
alarmas (cuando hay una señal de fuera de control, pero el proceso está en control) y<br />
modelar mejor el comportamiento de los datos. 116<br />
Como se observa en la figura 1.32 para la selección de la carta de control,<br />
primeramente se debe de analizar el tipo de datos a emplear, variables o atributos y<br />
dependiendo de lo anterior, determinar las características de las mediciones; de tal<br />
modo que la carta de control sea la adecuada para analizar la variabilidad del proceso<br />
a través del tiempo.<br />
114<br />
Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.213.<br />
115<br />
Ídem, p.216.<br />
116<br />
Smith, G.M, Statistical Process Control and Quality Improvement, Ed. Prentice Hall, New Jersey,<br />
2005, p.125.<br />
77
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
FIGURA 1.32<br />
Selección del tipo de carta de control<br />
Fuente: Pruet & Schneider, Essentials of CEP in the Process Industries, Edit. Adisson Wesley, 2001,<br />
p.360.<br />
Para efectos de la presente investigación, se utilizaran las cartas de control para<br />
variables de tipo continuo y en particular se emplearan las cartas X − R ya que como se<br />
verá más adelante, el proceso de impresión offset es del tipo masivo y dichas cartas<br />
son las más convenientes para analizar la variación del proceso de impresión a través<br />
del tiempo.<br />
3.5.2. Carta de control<br />
Existen muchos procesos industriales que puede decirse que son del tipo<br />
“masivo”, es decir, que producen muchos artículos, partes o componentes durante un<br />
lapso de tiempo pequeño. Por ejemplo, líneas de ensamble, máquinas de impresión,<br />
procesos de llenado, operaciones de soldadura en una línea de producción, moldeo de<br />
piezas plásticas, etcétera; aunado a que estos procesos harán miles de operaciones<br />
por día, mientras que otros efectuaran varias decenas, lo anterior se conoce como<br />
proceso masivo.<br />
Si además de tener un proceso de producción masiva las variables de salida de<br />
estos procesos son del tipo continuo y se requiere tener mayor potencia para detectar<br />
cambios pequeños en el proceso 117 , entonces la variabilidad del proceso se puede<br />
analizar a través de las cartas de control X −R.<br />
117 Ídem, p.127.<br />
78
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
La carta de control X − R se apoya en un proceso de tipo masivo en el cual cada<br />
determinado tiempo o cantidad de piezas se toma un número pequeño de piezas<br />
(subgrupo) a las que se les medirá una o más características de calidad. Con las<br />
mediciones de cada subgrupo se calculará la media y el rango, de modo que cada<br />
periodo de tiempo se tendrá una media o rango que aportara información sobre la<br />
tendencia central y la dispersión, respectivamente.<br />
Los límites de control de las cartas tipo Shewart están determinados por la<br />
media y desviación estándar del estadístico que se grafica en la carta, mediante la<br />
expresión 118 :<br />
µ = 3σ<br />
x x<br />
Donde µ x significa la media de las medias, y σ x la desviación estándar de las<br />
medias, que en un estudio inicial se estiman de la siguiente manera 119 :<br />
x X µ = σ<br />
y σ x =<br />
n<br />
Donde X es la media de las medias de los subgrupos, σ la desviación estándar<br />
del proceso y es la que indica qué tan variables son las mediciones individuales, y n es<br />
el tamaño del subgrupo.<br />
Como por lo general en un estudio inicial no se conoceσ , esta puede estimarse<br />
a través de la media de los rangos de los subgrupos R cuando el tamaño de subgrupo<br />
es menor que 10 120 :<br />
R<br />
σ x ≈<br />
d2<br />
Donde d2 es una constante que depende del tamaño de subgrupo o muestra 121 .<br />
De esta manera:<br />
⎛ R / d2<br />
⎞ 3<br />
3σ x = 3⎜<br />
⎟ = R = A2R ⎝ n ⎠ d n<br />
118 Smith, G.M, Statistical Process Control and Quality Improvement, Ed. Prentice Hall, New Jersey,<br />
2005, p.185.<br />
119 Ídem, p.189.<br />
120 Cuando el tamaño de subgrupo es mayor o igual a 10, se estima σ a través de la media de las<br />
desviaciones estándar de cada subgrupo.<br />
121<br />
Esta constante d2 es la media del rango relativo, =<br />
σ<br />
R<br />
q que es una variable aleatoria que establece la<br />
relación entre el rango de una muestra de una distribución normal, y la desviación estándar de la misma.<br />
2<br />
79
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Es una estimación de 3 veces la desviación estándar de las medias, la cual se<br />
3<br />
ha simplificado al sustituir<br />
d n por la constante A2, que depende del tamaño de<br />
2<br />
subgrupo n. Con base en lo anterior, los límites de una carta de control X , en un<br />
estudio inicial se obtienen de la siguiente manera 122 :<br />
LCS = X + A R<br />
Línea central = X<br />
LCI = X − A R<br />
Por otro lado, con la carta R se detectaran cambios en la amplitud de la<br />
variación del proceso y sus límites se determinan a partir de la media y la desviación<br />
estándar de los rangos de los subgrupos. Por ello los límites se obtienen con la<br />
expresión:<br />
µ ± 3σ<br />
R R<br />
µ<br />
Donde R<br />
σ<br />
significa la media de los rangos, y R la desviación estándar de los<br />
rangos, que en un estudio inicial se estiman de la siguiente manera:<br />
R R µ = y ⎛ R ⎞<br />
σ R = d3σ ≈ d3⎜<br />
⎟<br />
⎝ d 2 ⎠<br />
Donde R es la media de los rangos de los subgrupos, σ la desviación estándar<br />
del proceso, 3 d es una constante que depende del tamaño de subgrupo. Por<br />
consiguiente, los límites de control para la carta se calculan con:<br />
3<br />
3 3 1 3 3<br />
2 2<br />
d<br />
R ⎛ ⎞ ⎡ ⎛ ⎞⎤<br />
LCI = R − d ⎜ ⎟ = ⎢ − ⎜ ⎟⎥<br />
R = D R<br />
⎝ d ⎠ ⎣ ⎝ d ⎠⎦<br />
Línea central = R<br />
3<br />
3 3 1 3 4<br />
2 2<br />
d<br />
R ⎛ ⎞ ⎡ ⎛ ⎞⎤<br />
LCS = R + d ⎜ ⎟ = ⎢ + ⎜ ⎟⎥<br />
R = D R<br />
⎝ d ⎠ ⎣ ⎝ d ⎠⎦<br />
Donde se han introducido las constantes 3 D y D 4,<br />
para simplificar los cálculos<br />
para diferentes tamaños de subgrupo, n.<br />
122 La información que se utilizó para realizar este apartado fue tomada de: Montgomery, D.C.<br />
Introduction to Statistical Quality Control, Ed. John Wiley, Singapure, 1991, p.419-421.<br />
2<br />
2<br />
80
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
A continuación se expone un ejemplo, para ilustrar la aplicación de la carta de<br />
control −<br />
X R.<br />
En una empresa del ramo metal-mecánico se fabrican punterías, en particular el<br />
cuerpo de la puntería debe tener un diámetro exterior de 2 cm, con tolerancia de<br />
. De esta forma la especificación o tolerancia inferior es EI=19 975 y la<br />
superior ES= 20 025 , con un valor nominal de 20 000 . En estos casos de<br />
números con muchas cifras, es usual restar a las mediciones del producto una<br />
constante igual al valor nominal, por lo que ahora el valor nominal será cero y la EI= -25<br />
y ES=25.<br />
En una de las últimas etapas del proceso de fabricación de las punterías, cada<br />
hora se mide el diámetro de 5 punterías, en la tabla 1.18 se aprecian los datos de dos<br />
días.<br />
TABLA 1.18<br />
Datos para el diámetro de punterías<br />
Muestra o<br />
subgrupo<br />
Mediciones del diámetro Media Rango<br />
1 -21 -5 21 3 -12 -2.8 42<br />
2 4 3 7 22 -18 3.6 40<br />
3 -13 7 -11 -7 7 -3.4 20<br />
4 15 7 26 7 -4 10.2 30<br />
5 0 13 6 -20 6 1 33<br />
6 1 4 3 9 -10 1.4 19<br />
7 -4 0 -5 11 2 0.8 16<br />
8 3 -13 3 -13 9 -2.2 22<br />
9 7 0 5 11 4 5.4 11<br />
10 17 3 2 -23 -4 -1 40<br />
11 15 -5 2 12 5 5.8 20<br />
12 5 -1 2 -16 10 0 26<br />
13 1 -2 -4 -16 10 -2.2 26<br />
14 -13 1 -6 11 4 -0.6 24<br />
15 2 -4 14 -6 -2 0.8 20<br />
16 4 2 19 -1 6 6 20<br />
17 6 8 2 9 -4 4.2 13<br />
18 -22 1 -2 2 -7 -5.6 24<br />
19 -9 10 -8 -10 -2 -3.8 20<br />
20 0 -3 -13 14 -3 -1 27<br />
21 7 5 -1 -1 1 2.2 8<br />
22 10 7 -8 -14 -33 -7.6 43<br />
23 -14 28 10 0 -2 4.4 42<br />
24 -19 2 7 12 -9 -1.4 31<br />
81
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
25 10 5 14 -4 4 5.8 18<br />
26 21 -16 -20 -3 10 -1.6 41<br />
27 22 -14 -5 -7 5 0.2 36<br />
28 -1 1 4 -4 17 3.4 21<br />
29 0 5 6 -19 -7 -3 25<br />
30 2 -19 12 -1 0 -1.2 31<br />
X = 0.59 R<br />
= 26.3<br />
Fuente: Gutiérrez H, De la Vara R. Control Estadístico de Calidad y Seis Sigma Ed. McGraw Hill, 2004,<br />
p.217.<br />
En este caso se está haciendo un estudio inicial, por ello se toma en cuenta que<br />
X = 0.59 , R = 26.3 y para n = 5,<br />
2 0.577 A = ; entonces:<br />
LCS = X + A2R = 0.59 + (0.577)(26.3) = 15.77<br />
Línea central = X = 0.59<br />
LCI = X − A2R = 0.59 − (0.577)(26.3) = −14.59<br />
Como se observa en la figura 1.33 la carta de control de medias muestra que no<br />
hay puntos fuera de los límites y además el comportamiento de los puntos no sigue<br />
ningún patrón especial, por tanto, el proceso responsable del diámetro de las punterías<br />
ha estado funcionando de manera estable en cuanto a tendencia central. Por lo que la<br />
variación que se observa en las medias muestrales se debe a que son muestras<br />
pequeñas y a la variación que comúnmente tiene el proceso.<br />
En lo que respecta a la carta de rangos, los límites están dados por:<br />
LCS = D4 R = 2.115× 26.3 = 55.6<br />
Línea central = R = 26.3<br />
82
Media<br />
Rango<br />
10<br />
0<br />
-10<br />
60<br />
45<br />
30<br />
15<br />
0<br />
1<br />
1<br />
4<br />
7<br />
10<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
13 16<br />
Subgrupo<br />
13 16<br />
Subgrupo<br />
FIGURA 1.33<br />
Carta de medias para el diámetro de punterías<br />
Fuente: Elaboración propia<br />
4<br />
7<br />
10<br />
19<br />
19<br />
22<br />
22<br />
25<br />
25<br />
28<br />
28<br />
UC L=15.70<br />
_<br />
X=0.59<br />
LC L=-14.59<br />
UC L=55.6<br />
_<br />
R=26.30<br />
Los límites anteriormente calculados son utilizados para detectar cambios en la<br />
amplitud o magnitud de la variación del proceso y para ver qué tan estable permanece<br />
a lo largo del tiempo, es importante señalar que de ninguna manera se deben utilizar<br />
para evaluar la capacidad.<br />
En el caso del diámetro de las punterías se puede observar que el proceso es<br />
estable (es decir, esta en control estadístico), ya que no presenta puntos fuera de los<br />
límites de control, y los puntos graficados siguen un comportamiento aleatorio.<br />
A continuación, en la figura 1.34 se presentan ocho patrones para identificar el<br />
comportamiento de los puntos en una carta, los cuales indican que el proceso está<br />
funcionando con causas especiales de variación. Lo anterior, ayuda a identificar<br />
cuándo un proceso es inestable y el tipo de causas que ocasionan la correspondiente<br />
inestabilidad. 123<br />
En un inicio se puede decir que un proceso inestable es sinónimo de un proceso<br />
con pobre estandarización 124 , donde probablemente existen cambios continuos o<br />
mucha variación atribuible a materiales, mediciones, diferencias en las condiciones de<br />
operación de la maquinaria y desajustes, distintos criterios y capacitación de operarios,<br />
etc.<br />
123 Gutiérrez H. Calidad Total y Productividad, Ed. McGraw Hill, México, 2004, p.215-218<br />
124 Montgomery, D.C. Introduction to Statistical Quality Control, Ed. John Wiley, Singapure, 1991, p.428.<br />
LC L=0<br />
83
Un punto más allá de los límites de control es<br />
signo de la presencia de una condición fuera de<br />
control. Esto aplica para ambas X −R<br />
4 de 5 puntos consecutivos en la zona B o más<br />
allá, son señal de la presencia de condiciones<br />
fuera de control en una carta X-barra.<br />
Esta prueba puede ayudar a detectar<br />
variaciones pequeñas de la media del proceso<br />
que no se ven con puntos extremos.<br />
Cuando 6 puntos sucesivos, en las cartas Xbarra<br />
o R muestran un incremento o<br />
decremento constante, una tendencia simétrica<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
La existencia de 2 de 3 puntos sucesivos en la<br />
zona A o más allá, es señal de la presencia de una<br />
condición fuera de control en una carta X-barra.<br />
Las corridas son 8 o más puntos sucesivos sobre o<br />
debajo de la línea central en las cartas X-barra o R.<br />
El punto número 8 se señala con un círculo.<br />
La presencia de corridas como esta, indican la<br />
evidencia de que la media del proceso ha variado a<br />
partir de la línea central.<br />
Cuando 14 puntos sucesivos oscilan arriba y abajo<br />
de la línea central en las cartas X-barra y R, una<br />
tendencia sistemática se señala.<br />
84
del proceso es señalada.<br />
En un carta X-barra, cuando 8 puntos<br />
sucesivos, están en cualquier zona respecto a<br />
la línea central evitando la zona C (mas de 1<br />
sigma a partir de la línea central), una condición<br />
fuera de control esta señalándose.<br />
Esto puede ser debido a que más de un<br />
proceso está siendo graficado en la misma<br />
carta, a un sobrecontrol del proceso o a una<br />
técnica de muestreo errónea.<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Cuando 5 puntos sucesivos caen en la zona C<br />
únicamente en la carta X-barra, en cualquier lado<br />
de la línea central, se señalan condiciones fuera de<br />
control. Esto se puede deber a un muestreo<br />
incorrecto o a un cambio (decremento) de la<br />
variabilidad del proceso que no se ha considerado<br />
correctamente en los límites de control.<br />
FIGURA 1.34<br />
Patrones no aleatorios que indican causas especiales que ocurren en el proceso<br />
Fuente: Elaboración propia<br />
Cuando alguno de los patrones anteriores se presenta en una carta, es señal de<br />
que en el proceso hay una situación especial (proceso inestable o fuera de control<br />
estadístico), que causa que los puntos no estén variando aleatoriamente dentro de la<br />
carta 125 . Lo anterior, no significa que no se pueda seguir produciendo con él, sino que<br />
el proceso trabaja con variaciones debidas a alguna causa específica.<br />
En caso de presentarse alguno de los patrones anteriores es necesario buscar<br />
de inmediato las causas para conocer mejor el proceso (saber qué lo afecta) y tomar<br />
las medidas correctivas y preventivas apropiadas.<br />
3.5.3. Capacidad del proceso<br />
Los procesos industriales tienen variables de salida o de respuesta, las cuales<br />
deben cumplir con ciertas especificaciones para así considerar que el proceso está<br />
funcionando de manera satisfactoria. Evaluar la habilidad o capacidad de un proceso<br />
es analizar qué tan bien cumplen sus variables de salida con las especificaciones 126 .<br />
125 Ídem, p.430.<br />
126 Schilling, E.G.., Elements of process control, Ed. Quality Engineering, E.U., 2001, p.12.<br />
85
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Sea una característica de calidad de un producto o variable de salida donde para<br />
considerar que hay calidad las mediciones deben ser igual a cierto valor nominal o ideal<br />
(N), o al menos tienen que estar dentro de cierta especificación inferior (EI) y superior<br />
(ES).<br />
El índice de capacidad potencial del proceso, Cp, se define de la siguiente<br />
manera 127 :<br />
c<br />
p<br />
ES − EI<br />
=<br />
6σ<br />
Donde σ representa la deviación estándar del proceso, y ES y EI son las<br />
especificaciones superior e inferior para la característica de calidad. El índice Cp<br />
compara el ancho de las especificaciones o variación tolerada para el proceso con la<br />
amplitud de la variación real del proceso 128 :<br />
c<br />
p<br />
Variación tolerada<br />
=<br />
Variación real<br />
Para que el proceso pueda considerase potencialmente capaz de cumplir con<br />
las especificaciones, se requiere que la variación real siempre sea menor que la<br />
variación tolerada. Por lo tanto, es deseable que el índice Cp sea mayor que 1, y si el<br />
valor del índice Cp es menor que uno es una evidencia de que no se cumple con las<br />
especificaciones.<br />
Un aspecto que es necesario destacar es que la interpretación del índice Cp que<br />
se da en la tabla 1.19 se fundamenta en tres supuestos: que la característica de calidad<br />
se distribuye normal; que el proceso es estable; y que se conoce la deviación estándar<br />
del proceso 129 .<br />
Si al analizar el proceso se encuentra que su capacidad para cumplir<br />
especificaciones es mala, existen tres opciones: modificar el proceso, mejorar su<br />
control o modificar tolerancias. Por el contrario, si hay capacidad excesiva, ésta se<br />
puede aprovechar, por ejemplo: con la venta de precisión, del método, reasignando<br />
productos a máquinas menos precisas y acelerar el proceso 130 .<br />
127 Ídem, p.15.<br />
128 Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.123.<br />
129 Ídem, p.127.<br />
130 Schilling, E.G.., Elements of process control, Ed. Quality Engineering, E.U., 2001, p.15.<br />
86
TABLA 1.19<br />
Valores del Cp y su interpretación<br />
Valor del índice Cp<br />
(corto plazo)<br />
Cp≥2<br />
Cp>1.33<br />
Clase o categoría de<br />
proceso<br />
1
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
que la media del proceso esta alejada del centro de las especificaciones. Finalmente,<br />
cuando los valores de Cpk sean mayores a 1.25 o 1.45, se considerará que se tiene un<br />
proceso con capacidad satisfactoria 132 .<br />
Cuando se habla de capacidad es posible tener una perspectiva de corto y largo<br />
plazo. La capacidad de corto plazo (Cp, Cpk) es calculada a partir de muchos datos<br />
tomados durante un periodo suficientemente corto para que no haya influencias<br />
externas sobre el proceso. Por lo tanto, esta capacidad representa el potencial del<br />
proceso, lo mejor que se puede esperar del mismo. Mientras que la capacidad de largo<br />
plazo (Pp, Ppk) se calcula con muchos datos tomados de un periodo de tiempo<br />
suficientemente largo para que los factores externos puedan influir en el desempeño<br />
del proceso.<br />
La capacidad de corto plazo evaluada a través de Cp y por el índice Z (que<br />
puede designarse con Zct) representa la tecnología del proceso. Mientras que la<br />
capacidad de largo plazo medida por Pp y por el estadístico Z (que en este caso puede<br />
designarse con Zlt) representa la tecnología del proceso combinada con el control de la<br />
tecnología.<br />
La diferencia entre la capacidad de corto y largo plazo se conoce como<br />
desplazamiento o movimiento del proceso y se puede medir a través del índice Z, de la<br />
manera siguiente 133 :<br />
Z = Z. ct − Z. lt<br />
mov<br />
El índice Zmov representa la habilidad para controlar la tecnología. Existen<br />
estudios que ponen de manifiesto que con la media de un proceso puede desplazarse<br />
a través del tiempo hasta 1.5 sigmas del valor nominal. Por lo general este 1.5 se utiliza<br />
de la siguiente manera: si se puede calcular Zmov, entonces si éste es menor que 1.5;<br />
eso se interpretará como que el proceso tiene un mejor control que el promedio de los<br />
procesos con pobre control, y si es mayor que 1.5, entonces el control es muy malo.<br />
Si no se conoce Zmov, entonces puede asumirse un valor de 1.5. De aquí que si<br />
no se conoce el desplazamiento del proceso, la relación entre capacidad de corto y<br />
largo plazo la da la siguiente expresión 134 :<br />
Z. ct = 1.5 + Z. lt<br />
132<br />
Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.133.<br />
133<br />
Schilling, E.G.., Elements of process control, Ed. Quality Engineering, E.U., 2001, p.42.<br />
134 Ídem, p.45.<br />
88
3.6. Calidad de mediciones<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Una vez que se conoce el comportamiento actual del proceso es posible<br />
optimizarlo o bien encontrar las variables que propician su baja capacidad a través del<br />
diseño de experimentos. Sin embargo, antes de mejorar el proceso, es frecuente que al<br />
realizar una medición a cierta variable se esté tentado a creer ciegamente en los<br />
números que se generan, sin detenerse a cuestionar su calidad, sin preguntarse cuál<br />
es el error que ese número trae consigo.<br />
Esta actitud puede tener consecuencias graves cuando se busca mejorar el<br />
proceso, puesto que si las mediciones tienen un error grande, los datos obtenidos son<br />
engañosos y las decisiones que de allí se deriven tienen un alto riesgo de ser<br />
incorrectas. Por consiguiente, si se quiere caracterizar y mejorar la calidad del proceso<br />
es necesario conocer la contribución que tienen las mediciones sobre la variabilidad<br />
total observada.<br />
La variación total observada es la suma de la variación real propia del producto<br />
más la variación del proceso de medición 135 , como se observa en la figura 1.35. En<br />
particular, las fuentes principales que contribuyen a la variabilidad del proceso de<br />
medición son: el equipo de medición, los operadores (reproducibilidad) y la variación<br />
dentro de la muestra.<br />
Variación total observada<br />
Variación real del proceso Variación de las mediciones<br />
Otras fuentes<br />
Variación dentro<br />
de cada muestra<br />
Variación debida<br />
a operadores<br />
(reproducibilidad)<br />
Variación debida<br />
al equipo<br />
Repetibilidad Calibración Estabilidad Linealidad<br />
FIGURA 1.35<br />
Fuentes de variabilidad en las mediciones<br />
Fuente: Gutiérrez H, De la Vara R. Control Estadístico de Calidad y Seis Sigma Ed. McGraw Hill. 2004,<br />
p.331.<br />
135 Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.330.<br />
89
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
La variación dentro de la muestra es la variación dentro del mismo objeto a<br />
medir 136 y se presenta en objetos que por su naturaleza tienen cierta heterogeneidad<br />
en sus superficies, en sus dimensiones, etc.<br />
A continuación se abordan los conceptos de reproducibilidad y repetibilidad, los<br />
cuales son los componentes de la precisión.<br />
3.6.1. Repetibilidad y reproducibilidad (R&R)<br />
La repetibilidad de un instrumento de medición se refiere a la precisión o<br />
variabilidad de sus mediciones cuando se obtienen varias mediciones del mismo objeto<br />
en condiciones similares 137 (mismo operador) y la reproducibilidad es la precisión o<br />
variabilidad de las mediciones del mismo objeto pero en condiciones variables<br />
(diferentes operadores). 138<br />
A partir de lo anterior, la evaluación de la calidad del proceso de medición en<br />
cuanto a precisión 139 depende de cuál sea la repetibilidad y reproducibilidad. En este<br />
sentido, el objetivo de un estudio de repetibilidad y reproducibilidad (R&R) es cuantificar<br />
la variabilidad que aportan a los datos el instrumento de medición (repetibilidad) y la<br />
que aportan los operadores (reproducibilidad) 140 .<br />
Así, la repetibilidad se refiere a la variabilidad de las mediciones sucesivas del<br />
mismo objeto con un instrumento y el mismo operador, mientras que la reproducibilidad<br />
es la variabilidad de las mediciones que es atribuible a diferentes operadores que<br />
miden una misma pieza.<br />
Por consiguiente, las fuentes de variabilidad que se pueden evaluar en un<br />
estudio de repetibilidad y reproducibilidad son: variabilidad del producto, del<br />
instrumento y de los operadores. Sean, σ la variabilidad total, σ la varianza<br />
2<br />
total<br />
2<br />
atribuible al producto (partes o piezas), σinstr la variabilidad del instrumento de medición<br />
y<br />
2<br />
σ la varianza debida a operadores se cumple la siguiente relación oper<br />
141 :<br />
Donde<br />
σ = σ + σ + σ<br />
2 2 2 2<br />
total prod oper instr<br />
σ = σ y + σ = σ<br />
2 2 2 2<br />
instr repeti oper reprod<br />
136 Ídem, p.331.<br />
137 Montgomery, D.C. Introduction to Statistical Quality Control, Ed. John Wiley, Singapure, 1991, p.450.<br />
138 Ídem, p.452.<br />
139 Es la variación que presentan las mediciones repetidas del sistema de medición sobre el mismo<br />
objeto.<br />
140 Gutiérrez H, De la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México,<br />
2004, p.335.<br />
141 Ídem, p.337.<br />
2<br />
prod<br />
90
Por tanto,<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
σ = σ + σ<br />
2 2 2<br />
R& R repeti reprod<br />
Existen dos tipos de estudios R&R, el corto y el largo. El estudio largo es el más<br />
completo y el más recomendable, debido a que permite tener una evaluación para cada<br />
una de las tres fuentes de variabilidad referidas. Mientras que el estudio R&R corto, es<br />
menos recomendable, ya que sólo logra evaluar la variabilidad atribuible al proceso de<br />
medición sin distinguir qué parte se debe al instrumento y cual a operadores. 142<br />
Cabe mencionar que algunas situaciones en las que se recomienda realizar un<br />
estudio R&R son: cada vez que se compra un equipo nuevo, cuando hay evidencia de<br />
que algo anda mal con el proceso de medición, o bien, antes de un proyecto especial<br />
en el cual se obtendrán muchas mediciones, como puede ser la aplicación de Seis<br />
Sigma 143 .<br />
3.6.2. Estudio largo<br />
Como se había mencionado anteriormente, este método permite separar de<br />
manera explícita la repetibilidad y la reproducibilidad. Los pasos para realizar un<br />
método largo se describen a continuación 144 :<br />
1. Seleccionar dos o más operadores para conducir el estudio sobre el instrumento de<br />
interés.<br />
2. Seleccionar al azar de la producción un conjunto de 10 piezas que serán medidas<br />
varias veces por cada operador.<br />
3. Decidir el número de ensayos o veces que cada operador medirá la misma pieza.<br />
En este método se deben hacer por lo menos dos ensayos, y tres es lo más<br />
recomendado.<br />
4. Etiquetar cada parte y aleatorizar el orden en el cual las partes se dan a los<br />
operadores. Identificar la zona donde la medición será tomada.<br />
5. Obtener en orden aleatorio la primera medición (o ensayo) del operador A para<br />
todas las piezas seleccionadas.<br />
6. Volver a aleatorizar las piezas y obtener la primera medición del operador B.<br />
7. Continuar hasta que todos los operadores hayan realizado la primera medición<br />
sobre todas las piezas.<br />
142 Ídem, p.337.<br />
143 Gutiérrez H, De la Vara R, Calidad total y productividad, Ed. McGraw Hill, México, 2004, p.224.<br />
144 Montgomery, D.C. Introduction to Statistical Quality Control, Ed. John Wiley, Singapure, 1991, p.450.<br />
91
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
8. Repetir los pasos anteriores hasta completar el número de ensayos elegidos.<br />
Asegurándose que los resultados previos de un ensayo no son conocidos por los<br />
operadores.<br />
9. Hacer el análisis estadístico de los datos a través del análisis de medias y rangos o<br />
mediante la tabla de Análisis de varianza (ANOVA).<br />
La ventaja del método de medias y rangos es simplicidad y el hecho de que la<br />
información relevante del estudio queda registrada. Sin embargo, el análisis no es tan<br />
completo como el que se puede hacer a través del ANOVA.<br />
3.6.2.1. Método de ANOVA para analizar estudio largo R&R<br />
El método de ANOVA, aunque en paginas posteriores se aborda el concepto,<br />
inicialmente se puede definir como el análisis de las posibles fuentes de variación 145 , es<br />
más completo en el sentido de que no supone de antemano la inexistencia de<br />
interacción parte x operador (producto x operador) 146 , como lo hace el método basado<br />
en medias y rangos; cuando esta interacción está presente los resultados de este<br />
2<br />
último son incorrectos, ya que subestima la verdadera variación de la medición ( σ R&R )<br />
de los datos en la siguiente forma 147 :<br />
σ = σ + σ + σ + σ<br />
2 2 2 2 2<br />
total prod oper oper× parte instr<br />
Donde se agrega el componente a la descomposición dada en la ecuación,<br />
mismo que se considera parte de la reproducibilidad. Es decir, se cumplen las<br />
relaciones siguientes 148 :<br />
σ = σ y σ = σ + σ ×<br />
2 2 2 2 2<br />
repeti instr reprod oper oper parte<br />
Estos componentes se estiman mediante la técnica de ANOVA aplicada a un<br />
diseño factorial (Véase apartado 3.7.3. Diseño general 2 k ). De los datos del estudio se<br />
pueden calcular las llamadas sumas de cuadrados (SC) 149 correspondientes a cada<br />
componente de variación, que cumplen la relación 150 :<br />
SC = SC + SC + SC + SC<br />
total parte oper oper × parte error<br />
145 Gutiérrez H, De la Vara R, Calidad total y productividad, Ed. McGraw Hill, México, 2004, p.342.<br />
146 Existe interacción parte x operador cuando el desempeño de los operadores es diferente según el tipo<br />
de piezas.<br />
147 Montgomery, D.C. Introduction to Statistical Quality Control, Ed. John Wiley, Singapure, 1991, p.452.<br />
148 Ídem, p.463.<br />
149 Gutiérrez H, De la Vara R, Calidad total y productividad, Ed. McGraw Hill, México, 2004, p.343.<br />
150 Ídem, p.345.<br />
92
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Al dividir cada suma de cuadrados por sus grados de libertad se obtienen los<br />
cuadrados medios (CM) 151 , que son las cantidades relevantes de este análisis. Con los<br />
cuadrados medios se pueden construir pruebas estadísticas para verificar diferencias<br />
entre las partes, entre los operadores y la presencia de efecto de interacción<br />
parte × operador. Con toda esta información se construye la tabla de ANOVA (Ver tabla<br />
1.21.).<br />
Por otra parte, de los valores esperados de los cuadrados medios se deduce<br />
que los estimadores, dados por 152 :<br />
σˆ<br />
σˆ<br />
ˆ σ<br />
2<br />
parte<br />
2<br />
opera<br />
2<br />
opera × parte<br />
2<br />
ˆinst CM error<br />
σ =<br />
CM − CM<br />
=<br />
to<br />
parte opera× parte<br />
CM<br />
=<br />
− CM<br />
tp<br />
CM<br />
=<br />
×<br />
t<br />
− CM<br />
opera opera× parte<br />
opera parte error<br />
Considerando p partes, t ensayos y o operadores.<br />
Con base en esto se obtiene la repetibilidad, la reproducibilidad, el error de<br />
medición, los cuales se expresan como porcentajes de la variación total y de la<br />
tolerancia para su interpretación.<br />
Finalmente, se calcula el índice precisión / tolerancia, el cual está definido por la<br />
expresión 153 :<br />
EM<br />
P / T = × 100<br />
ES − EI<br />
Es posible notar que este índice expresa en porcentaje la comparación de la<br />
expansión del error de medición (EM) con la variabilidad tolerada (ES-EI) para la<br />
característica de calidad que se está midiendo. De aquí que es deseable que el EM sea<br />
más pequeño que la tolerancia para asegurar que la calidad del proceso de medición<br />
es aceptable. De manera específica, el índice P/T se interpreta como sigue 154 :<br />
151<br />
Montgomery, D.C. Introduction to Statistical Quality Control, Ed. John Wiley, Singapure, 1991, p.454.<br />
152<br />
Ídem, p.456.<br />
153<br />
Gutiérrez H, De la Vara R, Calidad total y productividad, Ed. McGraw Hill, México, 2004, p.345.<br />
154 Ídem, p.346.<br />
93
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
P/T≤10%, excelente proceso de medición<br />
10%
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
experimento para obtener datos apropiados que puedan ser analizados mediante<br />
métodos estadísticos, con objeto de producir conclusiones validas y objetivas 156 ”.<br />
El concepto de diseño de experimentos fue utilizado desde sus inicios por<br />
Ronald A. Fisher, a quien se le atribuye la utilización del Análisis de varianza (ANOVA)<br />
como herramienta primordial para el análisis estadístico en el diseño experimental.<br />
Muchas de sus primeras aplicaciones de los métodos y técnicas del diseño de<br />
experimentos iniciaron en el área de la agricultura 157 .<br />
Las primeras aplicaciones industriales del diseño de experimentos iniciaron en la<br />
década de 1930, en las industrias textiles. Sin embargo, el diseño de experimentos<br />
adquiere mayor auge, después de la segunda guerra mundial, en Japón con la<br />
contribución de Genichi Taguchi quien desarrolló el diseño de parámetros que es lo que<br />
se conoce ahora en Occidente como diseño robusto. Asimismo, se llega a la conclusión<br />
de que los esfuerzos de control de calidad deben enfocarse hacia actividades fuera de<br />
la línea de producción (off-line), como se observa en la figura 1.36, para prevenir los<br />
problemas de calidad desde las fases del diseño del producto y del diseño de su<br />
correspondiente proceso de producción.<br />
1980<br />
1950<br />
Japón<br />
1920<br />
Diseño del<br />
producto<br />
Off-Line<br />
Quality Control<br />
SPC (Control<br />
estadístico del proceso)<br />
Diseño del<br />
proceso<br />
Énfasis en la<br />
prevención<br />
Fabricación<br />
Expedición<br />
Énfasis en la<br />
detección<br />
Inspección<br />
FIGURA 1.36<br />
Evolución de la calidad de la detección a la prevención<br />
Fuente: Gutiérrez H, De la Vara R. Análisis y diseño de experimentos Ed. McGraw Hill. 2004, p.6.<br />
Esta herramienta se ha consolidado en la industria actual como un conjunto de<br />
técnicas estadísticas y de ingeniería que permiten lograr la máxima eficacia de los<br />
procesos con el mínimo costo. El diseño de experimentos es especialmente útil para<br />
156<br />
Montgomery, Douglas. Diseño y análisis de experimentos, Ed. Grupo editorial Iberoamérica, México.<br />
1991, p.5.<br />
157<br />
La información que se utilizó para realizar este apartado fue tomada de Gutiérrez H, De la Vara R.<br />
Análisis y diseño de experimentos Ed. McGraw Hill, México, 2004, p.12-15.<br />
95
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
crear calidad desde la fase de diseño del producto y del proceso. Sin embargo,<br />
también permite lograr mejoras sustanciales en procesos ya establecidos.<br />
Por consiguiente, no es suficiente monitorear un proceso y mantenerlo bajo<br />
control estadístico; sino mejorarlo y optimizarlo, lo anterior es posible a través del<br />
diseño de experimentos.<br />
3.7.1. Etapas y principios básicos<br />
Antes de mencionar las etapas y los principios que rigen el diseño de<br />
experimentos, es necesario definir algunos conceptos básicos del diseño de<br />
experimentos que se emplearan en lo sucesivo 158 :<br />
• Variable de respuesta: Es la característica de calidad, variable de salida o<br />
propiedad del producto, cuyo valor interesa mejorar.<br />
• Factores controlables: Son variables de proceso o variables de entrada que se<br />
pueden fijar en un punto o en un nivel de operación. Algunos de éstos son los que<br />
usualmente se controlan durante la operación normal del proceso, y se distinguen<br />
porque para cada uno de ellos existe la manera de cambiar o manipular su nivel de<br />
operación. Algunos factores que generalmente se controlan son: temperatura, tiempo<br />
de reacción, velocidad, presión, etc. Generalmente, los factores son denotados con la<br />
letra k.<br />
• Factores no controlables o de ruido: Son variables que no se pueden controlar<br />
durante la operación normal del proceso. Por ejemplo, la calidad del material, el ánimo<br />
de los operadores y los diversos usos que el cliente pueda dar al producto. Un factor<br />
que ahora no es controlable puede convertirse en controlable cuando se tenga la<br />
tecnología para ello. (Ver figura 1.37).<br />
• Niveles y tratamientos: Los diferentes valores que se asignan a cada factor<br />
estudiado en un diseño experimental se llaman niveles. Una combinación de niveles de<br />
todos los factores se llama tratamiento o punto de diseño.<br />
• Efecto de un factor: Se define como el cambio en la variable de respuesta<br />
producido por un cambio en el nivel del factor. Con frecuencia se le llama efecto<br />
principal porque se refiere a los factores de interés primario en el experimento 159 .<br />
• Corridas: Se define como el número de observaciones bajo las condiciones<br />
específicas de todo un experimento.<br />
158 La información que se utilizó para realizar este apartado fue tomada de: Montgomery, Douglas.<br />
Diseño y análisis de experimentos, Ed. Grupo editorial Iberoamérica, México. 1991, p.10-15.<br />
159 Montgomery, Douglas. Diseño y análisis de experimentos, Ed. Grupo editorial Iberoamérica, México.<br />
1991, p.170.<br />
96
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
• Réplicas: Se definen como las corridas posteriores a la primera.<br />
FIGURA 1.37<br />
Factores controlables y no controlables<br />
Fuente: Elaboración propia<br />
Un aspecto fundamental del diseño de experimentos es decidir cuáles pruebas o<br />
tratamientos se van a correr en el proceso y cuantas replicas de cada uno, de manera<br />
que se obtenga la máxima información al mínimo costo sobre lo que se estudia. A<br />
continuación se describen de manera breve las etapas del diseño de experimentos con<br />
objeto de dar una visión global de lo que implica su correcta aplicación 160 :<br />
Planeación<br />
1. Encontrar un problema de calidad que causa pérdidas importantes a la compañía.<br />
No basta decir: “me parece que es un problema importante”, sino que deben obtenerse<br />
datos que así lo demuestren y cuantificar el impacto de ese problema.<br />
2. Determinar cuáles factores deben analizarse, de acuerdo a la supuesta influencia<br />
que tienen sobre la respuesta. No se trata de que el experimentador tenga que saber a<br />
priori cuales factores influyen, pero sí de que utilice toda la información disponible al<br />
respecto.<br />
3. Elegir las variables de respuesta que serán medidas en cada punto del diseño y<br />
verificar que se mide de manera confiable. La elección de estas variables es vital, ya<br />
que son el objetivo del experimento y son las que se pretenden mejorar.<br />
160 Ídem, p.15-17.<br />
Factores de diseño (fáciles de controlar)<br />
Tiempo de ciclo, presión de inyección, velocidad,<br />
temperatura, tiempo de reacción, contenido de<br />
humedad.<br />
X1 X2 XK<br />
Materia prima<br />
PROCESO<br />
Y1 Y2 YK<br />
Características<br />
de calidad:<br />
Dureza<br />
Color<br />
Costo<br />
Textura<br />
Z1 Z2 ZK<br />
Factores de ruido (difíciles de controlar)<br />
Parámetros de calidad del proveedor, química de la<br />
materia prima, variables ambientales, etc.<br />
97
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
4. Selección el diseño experimental adecuado a los factores que se tienen y al<br />
objetivo del experimento. Este paso también implica determinar cuántas repeticiones se<br />
harán para cada tratamiento, tomando en cuenta el tiempo, costo y la precisión<br />
deseada.<br />
5. Planear y organizar el trabajo experimental. Con base en el diseño seleccionado,<br />
organizar y planear con detalle el trabajo experimental, por ejemplo las personas que<br />
van a intervenir y la forma operativa en que se harán las cosas.<br />
6. Realizar el experimento. Seguir al pie de la letra el plan previsto en la etapa<br />
anterior.<br />
Análisis<br />
Se debe determinar el modelo de análisis de varianza ANOVA o la técnica<br />
estadística que mejor describa el comportamiento de los datos.<br />
Interpretación<br />
Es aquí en donde se debe ir más allá del análisis estadístico formal, y se debe<br />
analizar con detalle lo que ha pasado en el experimento, desde contrastar las<br />
conjeturas iniciales con los resultados del experimento, hasta verificar supuestos y<br />
elegir el tratamiento ganador.<br />
Conclusiones finales<br />
Para concluir el proyecto se recomienda decidir qué medidas implementar para<br />
generalizar el resultado del estudio y para garantizar que las mejoras se mantengan.<br />
De acuerdo a lo anterior, se debe ser muy cuidadoso en la planeación y análisis<br />
de un experimento. El punto de partida para una correcta planeación es aplicar los<br />
principios básicos del diseño de experimentos: aleatorización, repetición y bloqueo, los<br />
cuales tiene que ver directamente con que los datos obtenidos sean útiles para<br />
responder a las preguntas planteadas.<br />
Aleatorización<br />
“La aleatorización consiste en hacer corridas experimentales en orden aleatorio<br />
y con material seleccionado también aleatoriamente 161 ”. Este principio es una manera<br />
de asegurar que las pequeñas diferencias provocadas por materiales, equipo y todos<br />
los factores no controlados, se repartan de manera homogénea en todos los<br />
tratamientos.<br />
161 Montgomery, Douglas. Diseño y análisis de experimentos, Ed. Grupo editorial Iberoamérica, México.<br />
1991, p.9.<br />
98
Repetición<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
La repetición se refiere a correr más de una vez un tratamiento o combinación<br />
de factores. Repetir o efectuar replicas es volver a correr el proceso, a partir desde<br />
volver a fijar las condiciones de operación, para obtener un nuevo producto, hasta<br />
medir el resultado de esta otra corrida del proceso 162 . Las repeticiones permiten<br />
distinguir mejor qué parte de la variabilidad total de los datos se debe al error aleatorio<br />
y cuál a los factores.<br />
Bloqueo<br />
El análisis por bloques es una técnica que se usa para incrementar la precisión<br />
del experimento. “Un bloque es una porción del material experimental que sea más<br />
homogénea que el total del material 163 ”. El bloqueo es nulificar o tomar en cuenta en<br />
forma adecuada todos los factores que puedan afectar la respuesta observada.<br />
3.7.2. Clasificación de los diseños experimentales<br />
Se han propuesto muchos diseños experimentales para estudiar la gran<br />
diversidad de problemas o situaciones que ocurren en la práctica. Los cinco aspectos<br />
que más influyen en la selección de un diseño experimental, en el sentido de que<br />
cuando cambian llevan generalmente a cambiar de diseño, son 164 :<br />
1. El objetivo del experimento.<br />
2. El número de factores a controlar.<br />
3. El número de niveles que se prueban en cada factor.<br />
4. Los efectos que interesa investigar (relación factores-respuesta).<br />
5. El costo del experimento, tiempo y precisión deseada.<br />
El objetivo del experimento se ha utilizado como un criterio general de<br />
clasificación de los diseños experimentales, mientras que los otros cuatro puntos son<br />
útiles para subclasificarlos. Por consiguiente, de acuerdo con su objetivo los diseños<br />
se pueden clasificar como 165 :<br />
1. Diseños para comparar dos o más tratamientos.<br />
2. Diseños para estudiar el efecto de varios factores sobre la respuesta.<br />
3. Diseños para determinar el punto óptimo de operación del proceso.<br />
4. Diseños para la optimización de una mezcla.<br />
5. Diseños para hacer el producto insensible a factores no controlables.<br />
162<br />
El error experimental es componente del error aleatorio que refleja los errores del experimentador en<br />
la planeación y ejecución del experimento.<br />
163<br />
Ídem, p.25.<br />
164<br />
Gutiérrez H, De la Vara R. Análisis y diseño de experimentos Ed. McGraw Hill, México, 2004, p.19.<br />
165<br />
Montgomery, Douglas. Diseño y análisis de experimentos, Ed. Grupo editorial Iberoamérica, México,<br />
1991, p.12.<br />
99
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
A continuación se muestra la clasificación general de los diseños experimentales<br />
de acuerdo con su objetivo. Dentro de cada rama se pueden clasificar de acuerdo al<br />
número de factores, al tipo de efectos que se pretende estudiar y según las<br />
restricciones existentes. Asimismo, se enlistan los diseños particulares más<br />
representativos de cada rama. 166<br />
1. Diseños para comparar dos o<br />
más tratamientos<br />
2. Diseños para estudiar el efecto de<br />
varios factores sobre una o más<br />
variables de respuesta<br />
3. Diseños para la optimización de<br />
procesos<br />
4. Diseños robustos<br />
5. Diseños de mezclas<br />
Para efectos de la presente investigación, se abordaran con más detalle los<br />
diseños factoriales y factoriales fraccionados, ya que como se verá más adelante el<br />
diseño factorial fraccionado fue el que se adaptó mejor para analizar el proceso de<br />
impresión offset, al objetivo del experimento y a las condiciones de experimentación.<br />
3.7.3. Diseño general 2 k<br />
Es frecuente que en muchos procesos existan varios factores que intervienen de<br />
manera simultánea sobre una o varias variables de respuesta, donde cada factor tiene<br />
la misma importancia a priori desde el momento que se decide estudiarlos, y es poco<br />
justificable suponer de antemano que los factores interactúan entre sí. Los diseños<br />
166 Ídem, p.170.<br />
Diseño completamente al azar<br />
Diseño de bloques completos al azar<br />
Diseño en cuadros latino y grecolatino<br />
Diseños factoriales 2 k<br />
Diseños factoriales 3 k<br />
Diseños factoriales fraccionados 2 k-p<br />
Diseños para<br />
modelos de<br />
primer orden<br />
Diseños para<br />
el modelo de<br />
segundo orden<br />
Diseños factoriales 2 k y 2 k-p<br />
Diseños de Plakett-Burman<br />
Diseño Simplex<br />
Diseño central compuesto<br />
Diseño de Box-Behnken<br />
Diseños factoriales 3 k y 3 k-p<br />
Arreglos ortogonales (diseños factoriales)<br />
Diseño con arreglos interno y externo<br />
Diseño de latice-simplex<br />
Diseño simplex con centroide<br />
Diseño con restricciones<br />
Diseño axial<br />
100
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
experimentales que permiten estudiar de manera simultánea el efecto de varios<br />
factores son los diseños factoriales.<br />
Por diseño factorial se entiende que en cada ensayo o réplica completa del<br />
experimento se investigan todas las combinaciones posibles de los niveles de los<br />
factores 167 . Por ejemplo, si el factor A tiene a niveles y el factor B tiene b niveles, cada<br />
réplica contiene todas las ab combinaciones de los tratamientos.<br />
El objetivo de un diseño factorial, es estudiar el efecto de varios factores sobre<br />
una o varias respuestas o características de calidad 168 , es decir, lo que se busca es<br />
estudiar la relación entre los factores y la respuesta, con la finalidad de conocer mejor<br />
cómo es esta relación y generar conocimiento que permita tomar acciones y decisiones<br />
que mejoren el desempeño del proceso.<br />
Entre las ventajas que tienen los diseños factoriales se mencionan las<br />
siguientes 169 :<br />
1. Son diseños que se pueden aumentar para formar diseños compuestos en caso<br />
de que se requiera una exploración más completa.<br />
2. Se pueden correr fracciones de diseños factoriales, las cuales son de gran utilidad<br />
en las primeras etapas de una investigación que involucra a muchos factores, cuando<br />
interesa descartar de manera económica los que no son importantes, antes de hacer<br />
un estudio más detallado con los factores que si son importantes.<br />
3. Pueden utilizarse en combinación con diseños de bloques en situaciones en las<br />
que no puede correrse todo el diseño factorial completo bajo las mismas condiciones o<br />
circunstancias. Por ejemplo, cuando cada lote de material sólo alcanza para correr la<br />
mitad del experimento, éste se puede correr en dos bloques (dos lotes), lo que implica<br />
repartir las pruebas en los dos lotes de la manera más conveniente posible.<br />
En resumen, los diseños factoriales ofrecen varias ventajas. Son más eficientes<br />
que los experimentos de un factor a la vez. Además, un diseño factorial es necesario<br />
cuando puede haber interacciones presentes. Por último, los diseños factoriales<br />
permiten la estimación de los efectos de un factor con varios niveles de los factores<br />
restantes, produciendo conclusiones que son válidas para un rango de condiciones<br />
experimentales.<br />
3.7.3.1. Diseño factorial 2 2<br />
El primer diseño de la serie 2 k es el que estudia el efecto de dos factores<br />
considerando dos niveles en cada uno. Cada réplica de este diseño consiste de 2×2= 4<br />
combinaciones o tratamientos que se pueden denotar de diferentes maneras. Los<br />
167 Ídem, p.175.<br />
168 Ídem, p.150.<br />
169 Gutiérrez H, De la Vara R. Análisis y diseño de experimentos Ed. McGraw Hill, México, 2004, p.157.<br />
101
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
niveles de los factores pueden denominarse arbitrariamente “bajo” y “alto”. En la tabla<br />
1.20 se muestran diferentes maneras de escribir los cuatro tratamientos que conforman<br />
el diseño factorial 2 2 .<br />
TABLA 1.20<br />
Notación para escribir el diseño 2 2<br />
Factores<br />
A B A B A B A B<br />
Notación<br />
de Yates<br />
Tratamiento 1 bajo bajo A - B - - - -1 -1 (1)<br />
Tratamiento 2 alto bajo A + B - + - 1 -1 a<br />
Tratamiento 3 bajo alto A - B + - + -1 1 b<br />
Tratamiento 4 alto alto A + B + + + 1 1 ab<br />
Fuente: Gutiérrez H, De la Vara R. Control Estadístico de Calidad y Seis Sigma Ed. McGraw Hill. 2004,<br />
p.200.<br />
La notación de signos + (alto), - (bajo) es muy práctica para escribir las matrices<br />
de diseño; esta notación combinada con la de Yates (ver última columna de la tabla<br />
1.20). La notación de Yates representa el total o suma de las observaciones en cada<br />
tratamiento 170 , más que al tratamiento mismo. En específico (1) es la suma de todos los<br />
datos obtenidos en el tratamiento (-1,-1); a es la suma de todas las mediciones hechas<br />
en la combinación (1,-1), y así sucesivamente 171 .<br />
Es necesario observar que la lógica de la notación de Yates es la siguiente: si<br />
una letra minúscula está presente, entonces el factor correspondiente se encuentra en<br />
su nivel alto; si está ausente, el factor está en su nivel bajo 172 ; por ejemplo ab se refiere<br />
al tratamiento en el que los factores A y B están en su nivel alto.<br />
Representación geométrica<br />
El diseño factorial 2 2 se representa geométricamente por los vértices del<br />
cuadrado de la figura 1.38., en donde cada vértice representa un punto de diseño o<br />
tratamiento. El área limitada por este cuadrado se conoce como región experimental 173<br />
y las conclusiones que se obtengan del experimento sólo tienen validez sobre esta<br />
región.<br />
170<br />
Ídem, p.201.<br />
171<br />
Cochran, Diseños experimentales Ed. Trillas, México, 1993, p.204.<br />
172<br />
Montgomery, Douglas. Diseño y análisis de experimentos, Ed. Grupo editorial Iberoamérica, México,<br />
1991, p.219.<br />
173<br />
Gutiérrez H, De la Vara R. Análisis y diseño de experimentos Ed. McGraw Hill, México, 2004, p.202.<br />
102
FIGURA 1.38<br />
Representación del diseño factorial 2 2<br />
Fuente: Elaboración propia<br />
Cálculo de efectos<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
En este diseño hay tres efectos de interés: los dos efectos principales (A y B) y<br />
el efecto de interacción (AB). Los cuales se definen como:<br />
1<br />
2n<br />
Efecto A= [ a + ab − b − ( 1)<br />
]<br />
1<br />
2n<br />
Efecto B= [ a + ab − b − ( 1)<br />
]<br />
El efecto de la interacción entre los factores A y B está dado por la diferencia<br />
entre el efecto de A en el nivel alto de B y el efecto de A en el nivel bajo de B, es<br />
decir 174 :<br />
Análisis de varianza (ANOVA)<br />
1<br />
2n<br />
Efecto AB= [ ab + ( 1)<br />
− a − b]<br />
El nombre de análisis de varianza (ANOVA) viene del hecho de que se utilizan<br />
cocientes de varianzas para probar la hipótesis de igualdad de medias 175 . La idea<br />
general de esta técnica es separar la variación total en las partes con la que contribuye<br />
cada fuente de variación en el experimento.<br />
De este modo, es de interés estudiar los tres efectos A, B, AB. Así, en primera<br />
instancia se pueden plantear los tres pares de hipótesis siguientes:<br />
174 Ídem, p.206.<br />
175 Ídem, p.207.<br />
(-1,1)<br />
Factor B<br />
(-1,-1)<br />
b<br />
(1)<br />
Factor A<br />
ab<br />
a<br />
H0: Efecto A = 0<br />
(1,1)<br />
(1,-1)<br />
103
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
HA: Efecto A ≠ 0<br />
H0: Efecto B = 0<br />
HA: Efecto B ≠ 0<br />
H0: Efecto AB = 0<br />
HA: Efecto AB ≠ 0<br />
Para obtener el ANOVA se necesita calcular la suma de cuadrados de cada uno<br />
de los efectos, y éstas se pueden obtener a partir de los contrastes o efectos<br />
totales 176 , por ejemplo:<br />
Contraste A= ab + a − b − ( 1)<br />
De este modo, la suma de cuadrados del contraste es igual al cuadrado del<br />
contraste dividido por el número de observaciones en cada total del contraste<br />
multiplicado por la suma de cuadrados de los coeficientes del contraste 177 .<br />
SCA=<br />
SCB=<br />
SCAB=<br />
[ a + ab − b −(<br />
1)<br />
]2<br />
4n<br />
[ b + ab − a −(<br />
1)<br />
]2<br />
4n<br />
[ ab + ( 1)<br />
− a − b]2<br />
La suma de cuadrados totales o variabilidad presente en las observaciones se<br />
calcula con la expresión 178 :<br />
a b n<br />
••• =∑ ∑ ∑ ijk<br />
i= 1 j= 1 k = 1<br />
Y Y<br />
b n<br />
i•• =∑ ∑ ijk<br />
j= 1 k = 1<br />
Y Y<br />
a n<br />
• j• =∑ ∑ ijk<br />
i= 1 k=<br />
1<br />
Y Y<br />
n<br />
ij• =∑ i jk<br />
k=<br />
1<br />
Y Y<br />
4n<br />
Y<br />
••• =<br />
Y•••<br />
abn<br />
Yi••<br />
Y i••<br />
= i = 1, 2,...,<br />
a<br />
bn<br />
Y•<br />
j•<br />
Y • j•<br />
= j = 1, 2,...,<br />
b<br />
an<br />
Yij<br />
•<br />
Y ij•<br />
=<br />
n<br />
De este modo, la suma de cuadrados totales está definida por:<br />
176 Montgomery, Douglas. Diseño y análisis de experimentos, Ed. Grupo editorial Iberoamérica, México,<br />
1991, p.221.<br />
177 Ídem, p.222.<br />
178 Ídem, p.227.<br />
104
En donde:<br />
SST=<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
a b n<br />
∑ ∑ ∑<br />
i= 1 j= 1 k = 1<br />
Y<br />
2<br />
ijk<br />
Y<br />
−<br />
N<br />
N= abn, es el total de observaciones en el experimento.<br />
Y ••• =Suma de todas las observaciones.<br />
Y ••• =Media global.<br />
Y •• =Total en el nivel i del factor A.<br />
i<br />
Y i••<br />
=Media en el nivel i del factor A.<br />
Y • • =Total en el nivel j del factor B.<br />
j<br />
La suma de cuadrados totales de los efectos es:<br />
SCAB=<br />
SCA=<br />
SCA=<br />
a b<br />
∑ ∑<br />
i= 1 i=<br />
1<br />
a<br />
∑<br />
i=<br />
1<br />
b<br />
∑<br />
j=<br />
1<br />
Y Y<br />
−<br />
bn N<br />
2 2<br />
i••<br />
•••<br />
Y Y<br />
−<br />
an N<br />
2 2<br />
• j•<br />
•••<br />
2<br />
...<br />
2 2 Yij• Y•••<br />
− − SC − SC<br />
bn N<br />
A B<br />
SCERROR= SCT − SCA − SCB − SCAB<br />
El procedimiento de prueba suele resumirse en una tabla del análisis de<br />
varianza, como se muestra en la tabla 1.21.<br />
TABLA 1.21<br />
Tabla de análisis de varianza para el diseño factorial de dos factores<br />
Fuente de<br />
variación<br />
Suma de<br />
cuadrados<br />
Grados de<br />
libertad<br />
Tratamientos A SCA a-1<br />
Tratamientos B SCB b-1<br />
Interacción SCAB (a-1)(b-1)<br />
Cuadrado medio F0<br />
MS<br />
AB<br />
MS<br />
MS<br />
A<br />
B<br />
SCA<br />
=<br />
a −1<br />
SCB<br />
=<br />
b −1<br />
SCAB<br />
=<br />
( a −1)( b −1)<br />
MS<br />
A F0 =<br />
MSE<br />
MS<br />
B F0 =<br />
MSE<br />
MS<br />
AB F0 =<br />
MSE<br />
105
Error SSE ab(n-1)<br />
Total SST abn-1 179<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
MS<br />
E<br />
SCE<br />
=<br />
ab( n −1)<br />
Fuente: Montgomery, Douglas. Diseño y análisis de experimentos, Ed. Grupo editorial Iberoamérica,<br />
1991, p.179.<br />
Por lo tanto, bajo la hipótesis alternativa, el valor esperado del numerador del<br />
estadístico de prueba (F0) es mayor que el valor esperado del denominador, y H0<br />
deberá rechazarse para valores del estadístico de prueba que son muy grandes. Por lo<br />
tanto, H0 deberá rechazarse y concluirse que hay diferencias en las medias de los<br />
tratamientos si 180 :<br />
F0 > Fα, a-1, N-a<br />
Del mismo modo, es posible rechazar H0 a través la comparación del nivel de<br />
significancia predefinida contra la significancia observada. La significancia<br />
predefinida que se denota con α, es el riesgo máximo que el experimentador está<br />
dispuesto a correr de rechazar H0 indebidamente (error tipo I). Mientras que la<br />
significancia observada o calculada, también conocida como p-value o valor p, es el<br />
área bajo la distribución de referencia más allá del valor del estadístico de prueba. 181<br />
De lo anterior, se desprende que se rechaza H0 si la significancia observada es<br />
menor que la significancia dada 182 , o sea si:<br />
p-value < α.<br />
De esta manera, el análisis de varianza se puede extender para k factores con<br />
dos niveles y determinar los efectos estadísticamente significativos.<br />
Sin embargo, se debe considerar que cuando se incrementa el número de<br />
factores el número de corridas necesarias también se incrementa, lo cual dificulta la<br />
realización del experimento, debido a los recursos necesarios. Por consiguiente, es<br />
posible correr una fracción de los tratamientos de un diseño factorial 2 k , debido a que<br />
es imposible en la práctica correr todos los tratamientos.<br />
179<br />
Si se supone que el modelo es adecuado y que los términos del error tienen una distribución normal e<br />
independiente con varianza constante, entonces cada uno de los cocientes de cuadrados medios se<br />
distribuyen con F grados de libertad.<br />
180<br />
Montgomery, Douglas. Diseño y análisis de experimentos, Ed. Grupo editorial Iberoamérica, México,<br />
1991, p.225.<br />
181<br />
Cochran, W.G. Diseños experimentales Ed. Trillas, México, 1993, p.209.<br />
182 Ídem, p.210.<br />
106
3.7.4. Diseño factorial fraccionado 2 k-1<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Como se mencionaba anteriormente, cuando el número de factores de un diseño<br />
factorial 2 k se incrementa, el número de corridas necesarias para realizar una réplica<br />
completa del diseño rebasa con rapidez los recursos de la mayoría de los<br />
experimentadores 183 . Por ejemplo, una réplica completa de un diseño 2 6 requiere 64<br />
corridas. En este diseño, sólo 6 de los 63 grados de libertad corresponden a los efectos<br />
principales, y sólo 15 a las interacciones de dos factores. Los 42 grados de libertad<br />
restantes se asocian con las interacciones de tres o más factores.<br />
Si el experimentador puede suponer razonablemente que ciertas interacciones<br />
de orden superior son insignificantes, es posible obtener información de los efectos<br />
principales y las interacciones de orden inferior corriendo únicamente una fracción del<br />
experimento factorial completo 184 .<br />
El uso de los diseños factoriales fraccionados se basa en tres ideas clave 185 :<br />
1. El principio de efectos esparcidos o escasez de efectos. Cuando hay varias<br />
variables, es posible que el sistema o proceso esté dominado principalmente por<br />
algunos de los efectos principales y las interacciones de orden inferior.<br />
2. La propiedad de proyección. Los diseños fraccionados pueden proyectarse en<br />
diseños más fuertes (más grandes) en el subconjunto de los factores significativos.<br />
3. Experimentación secuencial. Es posible combinar las corridas de dos (o más)<br />
diseños factoriales fraccionados para ensamblar secuencialmente un diseño más<br />
grande para estimar los efectos de los factores y las interacciones de interés.<br />
Estas tres condiciones permiten que los diseños factoriales fraccionados se<br />
encuentren entre los tipos de diseños de uso más generalizado en el diseño de<br />
productos y en el mejoramiento de procesos.<br />
La notación 2 k-1 significa una fracción a la mitad del diseño factorial completo. No<br />
tiene sentido fraccionar el diseño factorial 2 2 , porque prácticamente desaparece; al<br />
tener sólo cuatro tratamientos, fraccionarlo a la mitad implicaría correr dos tratamientos<br />
y con ellos no se podrían estimar ni siquiera los dos efectos principales.<br />
En particular, cuando se tienen cinco factores en adelante, al fraccionar a la<br />
mitad el diseño factorial completo, se pierde poca información relevante. 186<br />
183 Gutiérrez H, De la Vara R. Análisis y diseño de experimentos Ed. McGraw Hill, México, 2004, p.303.<br />
184 Cochran, W.G. Diseños experimentales Ed. Trillas, México, 1993, p.213.<br />
185 Montgomery, Douglas. Diseño y análisis de experimentos, Ed. Grupo editorial Iberoamérica, México,<br />
1991, p.303.<br />
186 Ídem, p.306.<br />
107
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
El primer diseño que se puede fraccionar (aunque no es recomendable) es el<br />
factorial completo 2 3 , el cual escrito en la notación estándar se muestra en la tabla<br />
1.22. Si se desea fraccionar a la mitad este diseño, entonces es necesario seleccionar<br />
cuatro de entre los ocho tratamientos, es aquí en donde surge la interrogante sobre<br />
cuál o cuáles de las 70 posibles fracciones son las más adecuadas. Es adecuada<br />
aquella fracción (diseño factorial fraccionado 2 3-1 ) que permita estimar los efectos<br />
considerados importantes 187 .<br />
TABLA 1.22<br />
Diseño factorial completo 2 3 y contraste ABC<br />
A 188<br />
B C ABC 189<br />
-1 -1 -1 -<br />
1 -1 -1 ⇒ +<br />
-1 1 -1 +<br />
1 1 -1 -<br />
-1 -1 1 +<br />
1 -1 1 -<br />
-1 1 1 -<br />
1 1 1 +<br />
Fuente: Gutiérrez H, De la Vara R. Control Estadístico de Calidad y Seis Sigma Ed. McGraw Hill. 2004,<br />
p.318.<br />
Con el diseño 2 3 completo se pueden estimar siete efectos: A, B, AB, AC, BC y<br />
ABC. De acuerdo a su jerarquía, el efecto menos importante a priori es la interacción<br />
triple ABC, así que éste es el efecto más sacrificable de manera que se pierda un<br />
mínimo de información. La generación de la fracción se hace con base en los signos<br />
del contraste ABC: los signos “+” del contraste ABC señalan a los tratamientos que<br />
conforman la llamada fracción principal, y los signos “-“ señalan la fracción<br />
complementaria 190 . (Véase tabla 1.23).<br />
187 Gutiérrez H, De la Vara R. Análisis y diseño de experimentos Ed. McGraw Hill, México, 2004, p.318.<br />
188 Considerando k factores con dos niveles cada uno, la matriz para este diseño se construye de la<br />
siguiente manera: en la primer columna, que corresponde a los niveles del factor A, se alternan signos +<br />
y -, empezando con -, hasta llegar a los 2 k renglones; en la segunda columna se alternan dos signos<br />
menos con dos más, en la tercera cuatro signos menos y cuatro signos más y así sucesivamente.<br />
189 El contraste ABC, se obtiene de la multiplicación de los signos de los efectos correspondientes.<br />
190 Gutiérrez H, De la Vara R. Análisis y diseño de experimentos Ed. McGraw Hill, México, 2004, p.319.<br />
108
TABLA 1.23<br />
Dos posibles diseños fraccionados 2 3-1<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Fracción 1 Fracción 2<br />
(I=+ABC)<br />
(I= -ABC)<br />
A B C A B C<br />
1 -1 -1 a -1 -1 -1 (1)<br />
-1 1 -1 b 1 1 -1 ab<br />
-1 -1 1 c 1 -1 1 ac<br />
1 1 1 abc -1 1 1 bc<br />
Fuente: Gutiérrez H, De la Vara R. Control Estadístico de Calidad y Seis Sigma Ed. McGraw Hill. 2004,<br />
p.318.<br />
De esta manera, el diseño 2 3-1 se forma seleccionado sólo las combinaciones de<br />
tratamientos que tienen signo positivo en la columna ABC. Por lo tanto, a ABC se le<br />
llama el generador 191 de esta fracción particular. Además la columna identidad I<br />
también es siempre positiva por lo que a<br />
I= ABC<br />
Se le llama la relación de definición del diseño 192 . En general, la relación de<br />
definición de un diseño factorial fraccionado será siempre el conjunto de todas las<br />
columnas que son iguales a la columna identidad.<br />
De esta manera, al estimar los efectos potencialmente importantes con<br />
cualquiera de las fracciones dadas en la tabla 1.23, resulta que cada efecto estimado<br />
tiene un alias 193 . La estructura de alias consiste en escribir explícitamente cuales son<br />
los alias de cada efecto, y esta estructura se deduce fácilmente del generador de la<br />
fracción, considerando el signo utilizado. Por ejemplo, de la tabla 1.23, el contraste del<br />
efecto A esta dado por:<br />
Contraste A = ( a + abc − b − c)<br />
Mientras que al multiplicar las columnas B×C se obtiene:<br />
Contraste BC = ( a + abc −b − c)<br />
A partir de lo anterior, se puede observar que el Contraste A= Contraste BC, lo<br />
que significa que los efectos A y BC son alias, porque al estimar el efecto A también se<br />
estima el efecto BC. Así en realidad se estima la suma A+BC de ambos efectos, dos<br />
191<br />
Montgomery, Douglas. Diseño y análisis de experimentos, Ed. Grupo editorial Iberoamérica, México,<br />
1991, p.309.<br />
192<br />
Ídem, p.310<br />
193<br />
Gutiérrez H, De la Vara R. Análisis y diseño de experimentos Ed. McGraw Hill, México, 2004, p.320.<br />
109
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
efectos alias son inseparables porque comparte el mismo contraste, y por ende, son<br />
dos nombres para el mismo efecto 194 .<br />
por:<br />
En resumen, la estructura de alias del diseño factorial fraccionado 2 3-1 está dado<br />
A + BC<br />
B + AC<br />
A + AB<br />
Para interpretar los efectos alias o aliados es necesario suponer que sólo uno de<br />
ellos es el responsable del efecto observado y que los demás efectos son nulos, es<br />
decir, es posible considerar el supuesto de que los efectos principales son los más<br />
importantes que las interacciones de dos factores, y éstas a su vez son más relevantes<br />
que las de tres, y así sucesivamente 195 , es conveniente utilizar diseños factoriales<br />
fraccionados que tengan alta resolución.<br />
Un diseño factorial fraccionado es de resolución R si los efectos formados por la<br />
interacción de P factores no son alias de efectos de interacción que tengan menos de<br />
R-P factores 196 . De este modo, a mayor resolución se observa más claramente lo que<br />
sucede con los efectos potencialmente importantes. Para fines prácticos basta<br />
entender las definiciones de resolución III, IV y V. 197<br />
1. Diseños de resolución III. En estos diseños los efectos principales no son alias<br />
entre ellos, pero existen efectos principales que son alias de alguna interacción doble.<br />
Por ejemplo, el diseño 2 3-1 con relación definidora I=ABC.<br />
2. Diseños de resolución IV. En este diseño los efectos principales no están alias<br />
entre ellos ni con las interacciones dobles, pero algunas interacciones dobles están<br />
alias con otra interacción doble. Por ejemplo el diseño 2 4-1 con relación definidora<br />
I=ABCD.<br />
3. Diseños de resolución V. En estos diseños los efectos principales y las<br />
interacciones dobles están alias con interacciones triples o de mayor orden, es decir,<br />
los efectos principales e interacciones dobles están limpiamente estimados. Por<br />
ejemplo el diseño 2 5-1 con relación definidora I=ABCDE.<br />
En general, en los diseños factoriales fraccionados en dos niveles, la resolución<br />
está dada por la “palabra o efecto” de la relación definidora con el menor número de<br />
letras.<br />
194 Ídem, p.321.<br />
195 Ídem, p.323.<br />
196 Montgomery, Douglas. Diseño y análisis de experimentos, Ed. Grupo editorial Iberoamérica, México,<br />
1991, p.315.<br />
197 Ídem, p.318.<br />
110
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Una manera de construir en dos pasos diseños fraccionados 2 k-1 con la más alta<br />
resolución posible es la siguiente:<br />
1. Se lista el diseño factorial completo para k-1 factores, y de esta forma se tienen las<br />
primeras k-1 columnas de la fracción deseada.<br />
2. La columna faltante (la k-ésima) se construye multiplicando entre si las columnas<br />
previas. Si se quiere la fracción complementaria se cambian los signos de esta última<br />
columna. El diseño que resulta es un diseño factorial fraccionado 2 k-1 con resolución<br />
máxima R=k<br />
3.7.4.1. Análisis de varianza (ANOVA) 198<br />
Una vez que se ha construido la tabla de factores y niveles con su<br />
correspondiente fracción, entonces se realiza el experimento y se estiman<br />
interacciones de alto orden, las cuales generalmente no son significativas. Tales<br />
interacciones de alto orden pueden utilizarse para estimar un error que permita<br />
construir un ANOVA aproximado.<br />
De este modo se pueden utilizar técnicas gráficas, tabulares y numéricas para<br />
decidir cuáles de los efectos principales, interacciones dobles y triples se pueden enviar<br />
al error. Con los efectos excluidos se obtiene una suma de cuadrados del error, y con<br />
ella se construye la tabla de análisis de varianza, como la presentada en la tabla 1.21.<br />
Por otro lado, es posible auxiliarse de técnicas gráficas, las cuales tienen mayor<br />
utilidad en diseños con cuatro factores en adelante, para decidir cuáles efectos mandar<br />
al error. Estas técnicas se describen a continuación:<br />
Gráfico de efectos en papel normal (Daniel´s plot)<br />
Al usar los efectos como suma de variables aleatorias (diferencia de medias),<br />
Daniel (1959) se dio cuenta que los efectos no significativos deben seguir una<br />
distribución normal, con media igual a cero y varianza constante 199 .<br />
Esto implica que si los efectos, como se observa en la figura 1.39, se grafican en<br />
papel probabilístico normal, los que no son significativos tenderán a formar una línea<br />
recta en esta gráfica ubicada a la altura del cero; lo que permite confirmar que tales<br />
efectos son efectivamente insignificantes. Por su parte, los efectos activos aparecerán<br />
alejados de la línea de normalidad, lo que indica que no se deben sólo al azar, sino a la<br />
existencia de efectos reales que influyen en la respuesta.<br />
198 La información que se utilizó para realizar este apartado fue tomada de: Cochran, W.G. Diseños<br />
experimentales Ed. Trillas, México, 1993, p.245-250.<br />
199 Ídem, p.246.<br />
111
Proporción<br />
1<br />
-20<br />
FIGURA 1.39<br />
Gráfico de efectos (Daniel´s plot)<br />
Fuente: Elaboración propia<br />
Diagrama de Pareto de efectos<br />
99<br />
95<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
5<br />
-10<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
0<br />
Efectos estandarizados<br />
Por otro lado, el diagrama de Pareto para los efectos sin estandarizar representa<br />
una manera práctica de ver cuáles efectos son los más grandes en cuanto a su<br />
magnitud 200 . El diagrama de Pareto representa la realidad observada de los efectos de<br />
manera descriptiva sin considerar supuestos distribucionales. (Ver figura 1.40).<br />
En la gráfica de efectos en papel de probabilidad normal (grafico de Daniel) es<br />
más difícil apreciar la importancia relativa de los efectos, pero es mejor que el diagrama<br />
de Pareto para señalar cuáles efectos son activos. Lo mejor es utilizar ambas gráficas<br />
para decidir de la mejor manera cuáles efectos mandar al error.<br />
200 Ídem, p.249.<br />
10<br />
20<br />
AD<br />
112
AD<br />
A<br />
AC<br />
D<br />
ABD<br />
B<br />
C<br />
ABC<br />
ACD<br />
BD<br />
AB<br />
CD<br />
ABCD<br />
BC<br />
BCD<br />
FIGURA 1.40<br />
Diagrama de Pareto de efectos<br />
Fuente: Elaboración propia<br />
0<br />
5<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
10<br />
Efecto<br />
Finalmente, una vez que se estimaron las interacciones insignificantes y se<br />
combinaron sus cuadrados medios para estimar el error, entonces es posible elaborar<br />
la tabla de ANOVA y analizar sus resultados, no sin antes verificar que se cumplan los<br />
supuestos que a continuación se mencionan.<br />
3.7.4.2. Verificación de los supuestos del modelo 201<br />
La validez de los resultados obtenidos en el análisis de varianza queda<br />
restringida a que los supuestos del modelo se cumplan. Estos supuestos del modelo de<br />
ANOVA son: normalidad, varianza constante (igual varianza de los tratamientos) e<br />
independencia. Esto es, la respuesta (Y) se debe distribuir normal, con la misma<br />
varianza en cada tratamiento y las mediciones deben ser independientes.<br />
Es práctica común utilizar la muestra de residuos para comprobar los supuestos<br />
del modelo, ya que si los supuestos se cumplen los residuos o residuales se pueden<br />
ver como una muestra aleatoria de una distribución normal con media cero y varianza<br />
constante. Los residuos eij, se definen como la diferencia entre la respuesta observada<br />
Y y la respuesta predicha por el modelo ( Y ˆ ) . De este modo, el residuo asociado a la<br />
( ij )<br />
observación Yij se define como:<br />
ij<br />
15<br />
e = Y − Yˆ = Y −Y<br />
ij<br />
ij ij ij ij<br />
201 La información que se utilizó para realizar este apartado fue tomada de: Cochran, W.G. Diseños<br />
experimentales Ed. Trillas, México, 1993, p.259-264.<br />
19.76<br />
20<br />
113
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
A partir de lo anterior, es posible verificar los supuestos del modelo lineal en<br />
términos de los residuos, que suponen que:<br />
1. Los eij siguen una distribución normal con media cero.<br />
2. Los eij son independientes entre si.<br />
3. Los tratamientos tienen una varianza constante σ 2 .<br />
Para comprobar cada supuesto existen pruebas analíticas y gráficas. Es<br />
recomendable utilizar pruebas gráficas dado que se pueden aplicar razonablemente<br />
con pocos datos; sin embargo tienen el inconveniente de que no son “exactas”, por ello<br />
las pruebas gráficas deben complementarse con alguna prueba analítica.<br />
Normalidad<br />
Un procedimiento para verificar el cumplimiento del supuesto de normalidad de<br />
los residuos consiste en graficar los residuos en papel normal. Esta gráfica del tipo X-Y<br />
tiene las escalas de tal manera que si los residuos siguen una distribución normal, al<br />
graficarlos deben tender a estar alineados en una línea recta, como se observa en la<br />
figura 1.41; si claramente no se alinean se concluye que el supuesto de normalidad no<br />
es correcto.<br />
99<br />
95<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
1<br />
-10<br />
FIGURA 1.41<br />
Grafica de probabilidad en papel normal<br />
Fuente: Elaboración propia<br />
Porcentaje<br />
20<br />
10<br />
5<br />
-5<br />
0<br />
Residual<br />
Si el ajuste no se observa claramente, es posible aplicar la prueba analítica de<br />
Kolmorogov-Smirnov, la cual mide el grado de concordancia existente entre la<br />
distribución de un conjunto de datos y una distribución teórica específica 202 . Su objetivo<br />
es señalar si los datos provienen de una población que tiene la distribución teórica<br />
especificada.<br />
202 Montgomery, Douglas. Diseño y análisis de experimentos, Ed. Grupo editorial Iberoamérica, México,<br />
1991, p.17.<br />
5<br />
10<br />
114
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Mediante la prueba de Kolmorogov-Smirnov se compara la distribución<br />
acumulada de las frecuencias teóricas (ft) con la distribución acumulada de las<br />
frecuencias observadas (f obs), se encuentra el punto de divergencia máxima y se<br />
determina qué probabilidad existe de que una diferencia de esa magnitud se deba al<br />
azar 203 .<br />
Varianza constante<br />
Una forma de verificar el supuesto de varianza constante (o que los tratamientos<br />
tienen la misma varianza), es graficando los predichos contra los residuos ( Yˆ ij vs e ij ). Si<br />
los puntos en la gráfica de residuos contra los predichos se distribuyen aleatoriamente,<br />
como se observa en la figura 1.42, en una banda horizontal (sin ningún patrón claro y<br />
contundente), entonces es señal de que se cumple el supuesto de que los tratamientos<br />
tienen igual varianza.<br />
7.5<br />
5.0<br />
2.5<br />
0.0<br />
-2.5<br />
-5.0<br />
FIGURA 1.42<br />
Grafica de predichos vs residuos<br />
Fuente: Elaboración propia<br />
Residuos<br />
40<br />
50<br />
60<br />
70 80<br />
Valores predichos<br />
Por el contrario, si se distribuyen con algún patrón claro y contundente, por<br />
ejemplo si se comportan con una forma muy clara de “corneta o embudo”, entonces es<br />
señal de que no se está cumpliendo el supuesto de varianza constante.<br />
Si después de elaborar la gráfica de predichos vs residuos se duda de la<br />
homogeneidad de varianzas, entonces se recomienda aplicar la prueba de Bartlett<br />
para probar la hipótesis de igualdad de varianzas dada por 204 :<br />
203 Ídem, p.18.<br />
204 Ídem, p.18.<br />
H : σ = σ = ... = σk = σ<br />
2 2 2 2<br />
0 1 2<br />
90<br />
100<br />
110<br />
115
2 2<br />
A i j<br />
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
H : σ ≠ σ para algún i ≠ j<br />
El estadístico de prueba para la hipótesis está dado por:<br />
Donde<br />
X<br />
2<br />
0<br />
=<br />
q<br />
2. 3026<br />
c<br />
10<br />
k<br />
2<br />
P ∑<br />
i=<br />
1<br />
i 1 10<br />
2<br />
i<br />
q = ( N − k)log S − ( n − )log S<br />
Bajo la hipótesis nula de igualdad de varianza, el estadístico<br />
2<br />
X 0 sigue una<br />
distribución ji-cuadrada con k-1 grados de libertad, por lo que se rechaza H0 cuando 2<br />
X 0<br />
es más grande que<br />
Independencia<br />
X α − .<br />
2<br />
( , k 1)<br />
La suposición de independencia en los residuos puede verificarse si se grafica el<br />
orden en que se colectó un dato contra el residuo correspondiente 205 . Así, si al graficar<br />
en el eje horizontal el tiempo (orden de corrida) y en el eje vertical los residuos, se<br />
detecta una tendencia o patrón no aleatorio claramente definido, entonces es evidencia<br />
de que existe una correlación entre los errores y por lo tanto el supuesto de<br />
independencia no se cumple. Por otro lado, si el comportamiento de los puntos es<br />
aleatorio dentro de una banda horizontal, el supuesto se está cumpliendo.<br />
Por consiguiente si los supuestos de normalidad, varianza constante e<br />
independencia se cumplen, entonces es suficiente para concluir que la variable de<br />
respuesta se distribuye de manera normal, con varianza homogénea y con mediciones<br />
independientes.<br />
3.7.4.3. Modelo estadístico (predicción sobre el mejor tratamiento)<br />
Es útil predecir al valor esperado de la característica de interés sobre el mejor<br />
tratamiento. Esto permite tener, desde antes de que se implemente en el proceso, un<br />
estimado del beneficio que se obtendrá con el experimento. Con esta información se<br />
puede convencer a la gerencia sobre la conveniencia de realizar los cambios que se<br />
recomiendan a partir del estudio realizado.<br />
205 Ídem, p.22.<br />
116
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
Asimismo, es posible predecir el valor de la respuesta en cualquier punto dentro<br />
de la región experimental 206 , no sólo en los puntos de diseños, y entonces se puede<br />
plantear el problema de encontrar un punto de operación todavía mejor, posiblemente<br />
un punto óptimo, experimentando en la dirección señalada por el modelo ajustado 207 .<br />
Donde:<br />
Y ˆ ˆ x ˆ x ˆ x ˆ x x ˆ x x ˆ x xn<br />
ˆ = β0 + β1 1 + β 2 2 + β3 3 + β12 1 2 + β 23 2 3 + ... + β nn n<br />
Y ˆ = Respuesta predicha en el punto (x1, x2, x3, x12,…, xn)<br />
ˆ β = Media global de todos los datos en el centro de la región experimental.<br />
0<br />
ˆ β1 = ˆ β ˆ ˆ ˆ ˆ<br />
2 = β3 = β12 = ... = β n = ... = β = Efectos estimados de los factores que resultaron<br />
nn<br />
significativos divididos entre dos.<br />
x1, x2, x3, x4,..., x n = Factores que resultaron significativos.<br />
x x x x x x x x = Interacción de factores que resultaron significativos.<br />
1 3, 2 1, 2 3,<br />
n n<br />
Por otro lado, el grado de credibilidad en la predicción obtenida anteriormente,<br />
depende de la calidad del modelo ajustado, la cual se puede medir a través de los<br />
coeficientes de determinación. 208<br />
Dos de los estadísticos más útiles para medir la calidad global del modelo de<br />
2<br />
regresión múltiple es el coeficiente de determinación R y el coeficiente de<br />
determinación ajustado<br />
2<br />
R , que están definidos de la manera siguiente aj<br />
209 :<br />
R<br />
2<br />
SCtotal − SCerror SCmodelo<br />
= × 100 = × 100<br />
SC SC<br />
R<br />
2<br />
aj<br />
total total<br />
CMtotal − CM error<br />
= × 100<br />
CM<br />
Donde SC es el símbolo para la suma de cuadrados de la fuente referida en el<br />
análisis de varianza, y CM es el cuadrado medio (que se obtiene al dividir la suma de<br />
cuadrados entre los grados de libertad asociados a la fuente de variabilidad). De esta<br />
2 2<br />
forma, para interpretar estos coeficientes se cumple que 0. 0 ≤ Raj ≤ R ≤ 100 y<br />
206<br />
Montgomery, Douglas. Diseño y análisis de experimentos, Ed. Grupo editorial Iberoamérica, México,<br />
1991, p.328.<br />
207<br />
Cochran, W.G. Diseños experimentales Ed. Trillas, México, 1993, p.248.<br />
208 Ídem, p.253.<br />
209 Ídem, p.255.<br />
total<br />
117
CAPÍTULO III<br />
Definición y herramientas estadísticas de la calidad<br />
cuantifican el porcentaje de variabilidad presente en los datos que es explicada por el<br />
modelo 210 , por lo que son deseables valores próximos a 100.<br />
Finalmente, cuando hay muchos factores se prefiere el estadístico 2<br />
R en lugar<br />
aj<br />
2<br />
del R sin ajustar, puesto que este último es engañoso al incrementarse de manera<br />
artificial con cada término que se agrega al modelo, aunque sea un término que no<br />
contribuya en nada a la explicación de la respuesta. En cambio, el R incluso baja de<br />
valor cuando el término que se agrega no aporta nada 211 .<br />
En este capítulo se ha abordado de manera general el marco teórico y<br />
conceptual que sustenta la aplicación de Seis Sigma, como son las herramientas<br />
básicas para delimitar el problema en la etapa de definición, las herramientas<br />
estadísticas utilizadas en la etapa de medición para determinar la situación actual de la<br />
VCC en cuanto a capacidad y estabilidad; y posteriormente el diseño experimental<br />
empleado para analizar el impacto de las variables de entrada y las posibles mejoras.<br />
A continuación se expone la aplicación de Seis Sigma a un producto en<br />
particular, de la empresa Surtidora Gráfica S.A. de C.V. y a través de la combinación de<br />
diversas herramientas estadísticas, se propone una combinación de factores (variables<br />
de entrada) a niveles determinados que contribuyen a la reducción de defectos en el<br />
proceso de impresión Offset, lo anterior enmarcado en la mejora continua que<br />
establece SS.<br />
210 Montgomery, Douglas. Diseño y análisis de experimentos, Ed. Grupo editorial Iberoamérica, México,<br />
1991, p.331.<br />
211 Ídem, p.332.<br />
2<br />
aj<br />
118
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica<br />
S.A. de C.V.<br />
4.1. Aplicación de la metodología SS<br />
L<br />
as razones fundamentales por las cuales se decidió aplicar Seis Sigma en<br />
la empresa Surtidora Gráfica S.A. de C.V. se expusieron al final de capítulo<br />
II. En este capítulo se expondrán los resultados de la aplicación de Seis<br />
Sigma en el departamento de Offset. A continuación, se presenta una breve explicación<br />
del impreso bajo estudio, al cual se le aplicó la metodología SS.<br />
Debido a la diversidad de trabajos que entran a máquina en el departamento de<br />
Offset, sería imposible abarcarlos en su totalidad ya que cada uno presenta<br />
características específicas desde diseño, por lo que se analizó el proceso de impresión<br />
Offset en el cliente American Express Cía., ya que como se mencionó en el capítulo II,<br />
tiene una presencia considerable en el volumen de ventas de la empresa y había<br />
reportado variaciones considerables de tono en el material impreso.<br />
Promoción tarjeta Gold Credit<br />
ya que este impreso constituye uno de los trabajos que entran<br />
a máquina de manera periódica (2 a 3 veces por mes, con corridas de 10, 000 T/L). Del<br />
mismo modo, como se verá más adelante, de acuerdo al diagrama de Pareto de<br />
segundo nivel, este impreso presentaba mayores problemas de tono. En la tabla 1.24<br />
se muestran las características del impreso bajo estudio.<br />
TABLA 1.24<br />
Características de la O.T.9263 folleto: Promoción tarjeta Gold Credit Card<br />
Número de tintas Selección de color y pantone 1524 dorado<br />
Papel Couche 135 gr 61x90<br />
Medida de hoja extendida 57x80<br />
Medida de hoja final 13x8<br />
Acabado Refinado a la medida, engrapado a 10 paginas<br />
Fuente: O.T. 9263 elaborado en la empresa Surtidora Gráfica S.A. de C.V.<br />
Asimismo, la selección de este impreso está condicionada a que es uno de los<br />
trabajos que se exporta a Europa y Estados Unidos, y el material debe estar libre de<br />
defectos, ya que de lo contrario se asigna a la empresa un costo de penalización y el<br />
reproceso del material correspondiente.<br />
119
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Es conveniente señalar, que la aplicación de SS se puede extender a otra familia<br />
de productos, e incluso a otros departamentos de la empresa Surtidora Gráfica S.A. de<br />
C.V., tomando como referencia las etapas y las técnicas estadísticas que se utilizaron<br />
en la presente investigación.<br />
A continuación se expondrán los resultados obtenidos con la aplicación de SS.<br />
4.1.1. Definición del problema<br />
En esta fase se debía tener una visión y definición clara del problema que se<br />
pretendía resolver mediante la aplicación de SS. Por ello en esta etapa se consideró<br />
necesario realizar una descripción del problema e identificar las variables críticas que<br />
influían en la calidad del proceso de impresión; para esta etapa se requirió de la<br />
presencia de la Dirección General, del coordinador del departamento de Offset y de los<br />
prensistas encargados de la realización periódica del impreso (grupo de mejora); para<br />
establecer las metas, definir el alcance del proyecto y precisar los beneficios<br />
potenciales que se esperaba de SS.<br />
Para describir el problema que presentaba el departamento de Offset y<br />
delimitarlo, se propuso elaborar un diagrama de flujo del proceso, que permitiera<br />
determinar las VCC que influyen en el proceso, así como desarrollar una lluvia de ideas<br />
con el grupo de mejora. Posteriormente, a través de un diagrama de Pareto de primer<br />
nivel, se identificaron los principales defectos de impresión correspondientes al cliente<br />
American Express, debido a la diversidad de órdenes de trabajo que se procesan en la<br />
empresa fue necesario realizar un diagrama de Pareto de segundo nivel para identificar<br />
la O.T. bajo estudio y finalmente establecer las metas de la aplicación de SS, el<br />
alcance y los posibles beneficios potenciales. Lo anterior, se puede resumir a través del<br />
diagrama de la figura 1.43.<br />
Descripción del<br />
problema<br />
Elaborar diagrama<br />
de flujo del proceso<br />
LLuvia de ideas de<br />
VCC que influyen<br />
en el proceso<br />
FIGURA 1.43<br />
Etapa de definición en la aplicación de SS<br />
Fuente: Elaboración propia.<br />
Identificar problemas<br />
a través del diagrama<br />
de Pareto de 1er nivel<br />
Identificar<br />
O.T. a través del<br />
diagrama de Pareto de<br />
2do nivel<br />
Establecer metas,<br />
alcance y<br />
beneficios<br />
potenciales<br />
Identificar VCC<br />
120
Descripción del problema<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
A continuación se explica de manera general en qué consistía el problema y por<br />
qué era importante resolverlo:<br />
Como se había mencionado en el Capítulo II, el volumen de reprocesos en el<br />
departamento de Offset de la empresa Surtidora Gráfica S.A. de C.V. se había<br />
incrementado en los últimos 4 años (Ver figura 1.13), lo cual se traducía en pérdidas<br />
económicas considerables. Lo anterior, podía ser consecuencia de no contar con un<br />
efectivo análisis y control del proceso que permitiera identificar las variables que<br />
generan las no conformidades. 213<br />
Por consiguiente, era necesario estudiar el proceso y monitorearlo, debido a la<br />
política de calidad de satisfacción al cliente, la empresa se encontraba ante un<br />
problema crítico de calidad del producto que requería una revisión profunda, ya que<br />
éste afectaba directamente al cliente y la imagen de la empresa. El cliente directo de<br />
este impreso, es American Express Cía., y los clientes indirectos son los<br />
tarjetahabientes de American Express.<br />
Finalmente, era importante resolver este problema, debido a que la producción<br />
de material defectuoso generaba pérdidas económicas para la empresa y afectaba su<br />
imagen ante clientes actuales y potenciales. Asimismo, era primordial generar mayor<br />
conocimiento del proceso y de las variables que lo afectan para mejorarlo.<br />
Diagrama de flujo del proceso<br />
Con el propósito de tener una mayor comprensión del problema se desarrolló el<br />
mapeo del proceso de impresión para la O.T. 9263 Folleto: Promoción tarjeta Gold<br />
Credit Card (Ver figura 1.44), sin embargo, por cuestiones de confidencialidad de la<br />
empresa no se muestran a detalle cantidades ni formulas químicas.<br />
213<br />
De acuerdo a la segunda ley de la termodinámica cualquier sistema tiende a aumentar su entropía, es<br />
decir, un proceso dejado libre, sin intervenirlo, ajustarlo o mejorarlo, tiende a aumentar su desorden.<br />
121
Preparación de<br />
solución de la Entintado de cada<br />
fuente cuerpo impresor<br />
1 2<br />
Alimentación de<br />
papel en el feeder<br />
3 5<br />
Montaje de placas OK SI<br />
Nuevo ajuste de<br />
placas en guias<br />
NO<br />
4<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Obtención de la<br />
hoja O.K.<br />
6<br />
OK<br />
NO<br />
SI<br />
Ajustar densidades de<br />
tono<br />
FIGURA 1.44<br />
Mapeo del proceso de impresión Offset de la O.T. 9263<br />
Fuente: Elaboración propia.<br />
7<br />
14<br />
Imp<br />
Inspección de tono<br />
homogéneo en la tirada<br />
8 9<br />
OK<br />
NO<br />
10<br />
Reajuste de densidades<br />
de tono con base en<br />
hoja O.K.<br />
Secado de tinta<br />
SI<br />
11<br />
15<br />
12<br />
Limpieza de los<br />
cilindros portaplancha<br />
13<br />
Entintado del pantone<br />
especial<br />
ACABADO<br />
1. Primeramente, el prensista prepara la solución de la fuente de humectación la cual<br />
tiene por objetivo, disponer de una clara y rápida separación de las áreas imagen y no<br />
imagen de la plancha. Es decir, se trata de evitar que la tinta se adhiera en las áreas<br />
de no imagen de la plancha. (Ver figura 1.44 (1)).<br />
La solución de la fuente es una mezcla entre los siguientes ingredientes: agua, un<br />
ácido o una base dependiendo de la tinta que se esté utilizando, una goma sintética<br />
para desensibilizar las áreas de no imagen y alcohol que disminuye la tensión<br />
superficial del agua.<br />
2. Posteriormente, se realiza el entintado de cada cuerpo impresor, verificando que el<br />
entintado sea homogéneo a lo largo de los cilindros y con respecto a la selección de<br />
color predefinida, (Ver figura 1.44 (2)).<br />
3. Una vez entintados los cilindros, se montan las placas de acuerdo a las guías de<br />
sujeción de la plancha, de tal manera que su ajuste sea firme y no presente<br />
inclinaciones. Si el ajuste no es correcto, nuevamente se montan las placas, (Ver figura<br />
1.44 (3)).<br />
4. Si el ajuste es correcto, se procede a alimentar el feeder (entrada de papel de la<br />
prensa) con la pila de papel, previamente aireada, de tal manera que facilite el agarre<br />
del pliego, (Ver figura 1.44 (5)).<br />
122
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
5. A continuación, se imprimen hojas de prueba, de tal modo que se compruebe que<br />
todos los colores registran (coinciden entre ellos) y posteriormente, se ajusta la prensa<br />
para obtener un impreso de acuerdo a las características tonales aprobadas por el<br />
cliente. Una vez que se obtiene un impreso semejante, se registran las densidades de<br />
cada color y se autoriza esta prueba, la cual es conocida como hoja O.K., e inicia el<br />
proceso de impresión del tiraje, (Ver figura 1.44 (6)).<br />
6. A lo largo de la impresión se realizan inspecciones continuas verificando que las<br />
densidades se mantengan constantes, de lo contrario se reajustan densidades para<br />
mantenerlas controladas, con respecto a la hoja O.K., (Ver figura 1.44 (9)).<br />
7. Una vez que se ha concluido la impresión de la selección de color, el material<br />
impreso debe permanecer a la sombra, hasta que seque la tinta por completo. Mientras<br />
tanto, los cuerpos de la prensa son limpiados y entintados con el pantone especial<br />
(Pantone dorado 1524), (Ver figura 1.44 (11-12)).<br />
8. Nuevamente, se alimenta el feeder con la pila de material impreso previamente y<br />
se repiten los incisos 6 al 7, con la variante de que se imprime una tinta adicional y<br />
debe secar en su totalidad, antes de ser llevado a la operación de acabado, (Ver figura<br />
1.44 (13-15)).<br />
Definición de las variables críticas de calidad (VCC)<br />
Para la presente investigación, se consideraron como variables críticas de<br />
calidad (VCC) aquellas que tienen una especificación de acuerdo a la norma ISO<br />
12647-2 o bien, aquellas que tienen gran impacto en la satisfacción del cliente.<br />
En la tabla 1.25 se muestran estas variables con información inherente a las<br />
mismas, lo cual permitió tener un análisis preliminar de las variables más importantes<br />
en el proceso de impresión. Dicho análisis fue realizado a través de una lluvia de ideas<br />
en colaboración con el grupo de mejora.<br />
De acuerdo al primer análisis de las posibles VCC a analizar se puede observar<br />
que la reproducción de valor tonal y la estabilidad de color durante la impresión<br />
presentaban una situación regular, lo cual podía ser la causa del alto volumen de<br />
reprocesos.<br />
Para complementar la tabla anterior de VCC de salida del proceso Offset, se<br />
analizó a través de diagramas de Pareto, en varios niveles, las posibles causas que<br />
generaban el problema, su prioridad y el impreso que presentaba mayores problemas<br />
de tono.<br />
123
TABLA 1.25<br />
Variables de salida del proceso Offset<br />
Variable de salida<br />
Registro de color<br />
Repinte<br />
Reproducción de<br />
valor tonal<br />
Estabilidad de<br />
color en la tirada<br />
Color y<br />
transparencia de la<br />
tintas<br />
Fuente: Elaboración propia.<br />
214 ISO 12647-2:1996<br />
215 Ídem.<br />
216 Ídem.<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Función o importancia para el<br />
impreso<br />
Si los colores no registran o no<br />
coinciden sobre el área definida,<br />
entonces el impreso presentará<br />
colores fuera de la zona de color.<br />
Si el material impreso no se deja<br />
secar por un tiempo considerable,<br />
las hojas se repintan con la tinta<br />
húmeda.<br />
Si el impreso a obtener presenta<br />
desviaciones de tono, con<br />
respecto a la hoja O.K., los<br />
colores originales aprobados por<br />
el cliente son alterados y el<br />
producto final es diferente al<br />
concebido inicialmente.<br />
Si no se asegura la<br />
homogeneidad del color a lo largo<br />
de la tirada, existen impresos que<br />
cumplen las densidades de color y<br />
otros no.<br />
Si la tinta no tiene las propiedades<br />
de adhesión y viscosidad<br />
necesarias, puede no fijarse la<br />
tinta al papel o penetrarlo.<br />
Especificaciones<br />
De acuerdo al ajuste<br />
de las placas<br />
+ / 5mm 214<br />
Dependiendo del<br />
número de tintas y<br />
área impresa 215<br />
Desaparece del<br />
estándar ISO<br />
12647-2.<br />
Cada empresa debe<br />
establecer un valor<br />
promedio sin perder<br />
la reproducción del<br />
color.<br />
Al menos el 68% de<br />
los impresos del<br />
tiraje total no deberá<br />
exceder de la mitad<br />
de la tolerancia de<br />
desviación 216 .<br />
El monto exacto de<br />
tinta aplicada hacia<br />
el pliego, con fuerza<br />
de color equilibrado<br />
y optima<br />
transferencia<br />
Situación<br />
actual<br />
Buena<br />
Buena<br />
Regular<br />
Regular<br />
Buena<br />
124
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Para elaborar el diagrama de Pareto de primer nivel y jerarquizar los defectos<br />
que presentaban los impresos, se tomó como referencia el historial de lotes rechazados<br />
por el cliente American Express, durante el periodo 2000-2006. Las principales causas<br />
de defectos en los impresos, se resumen a continuación en la tabla 1.26.<br />
TABLA 1.26<br />
Defectos en los impresos del cliente American Express Cía.<br />
Razón de defecto Notación Total (T/L) Porcentaje<br />
Defectos de registro DR 235,490 8.06<br />
Papel arrancado en el impreso PA 198,879 6.81<br />
Variación de tono y reproducción del color VT 965,342 33.05<br />
Arrugas en los pliegos impresos AI 435,998 14.93<br />
Manifestación de velo MV 489,675 16.78<br />
Impreso repintado IR 595,030 20.37<br />
Total 2,920,414 100<br />
Fuente: Reportes de producción correspondientes al periodo 2000-2006 del departamento de Offset de<br />
Surtidora Gráfica S.A. de C.V.<br />
Asimismo, en la figura 1.45 se presenta el diagrama de Pareto de primer nivel.<br />
Frecuencia<br />
3000000<br />
2500000<br />
2000000<br />
1500000<br />
1000000<br />
500000<br />
0<br />
Defecto VT IR MV AI DR PA<br />
Frecuencia 965342 595030 489675 435998 235490 198879<br />
Porcentaje 33.1 20.4 16.8 14.9 8.1 6.8<br />
% Acumulado 33.1 53.4 70.2 85.1 93.2 100.0<br />
FIGURA 1.45<br />
Diagrama de Pareto de primer nivel de defectos en impresos<br />
Fuente: Elaboración propia.<br />
A partir de lo anterior, se puede apreciar que el defecto de variación de tono y<br />
reproducción de color era el más importante, ya que este representó 33.05% del total<br />
100<br />
80<br />
60<br />
40<br />
20<br />
0<br />
Porcentaje<br />
125
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
de defectos. Con base en el primer análisis de VCC y el resultado obtenido en el<br />
diagrama de Pareto, la aplicación de SS se centró en la variación y reproducción del<br />
color.<br />
Posteriormente, se desarrolló un diagrama de Pareto de segundo nivel, que<br />
permitiera identificar el impreso a estudiar, tomando como criterios los siguientes: que<br />
fuera un trabajo periódico, y que dicho impreso se exportara a Estados Unidos y<br />
Europa. Los resultados se presentan en la tabla 1.27 y en la figura 1.46.<br />
TABLA 1.27<br />
O.T. del cliente American Express Cía. que presentan variaciones de tono<br />
O.T. Nombre del impreso<br />
Sobretiro por defecto<br />
en variación de tono<br />
Porcentaje<br />
8875 Flyer paquete familiar 96,534 12.99<br />
8888 Díptico plan AMEX pagos 115,841 15.58<br />
9093 Postal cumbre Gartner 19,307 2.60<br />
9101 Revista American Express 77,227 10.39<br />
9111 Carta Bienvenida Blue 57,921 7.79<br />
9263 Folleto: Promoción tarjeta Gold Credit Card 202,722 27.27<br />
9128 Solicitud GRCC Green 125,494 16.88<br />
9145 Tríptico adquisición RCP Gold Prospect 48,267 6.49<br />
Total 743,313 T/L 100<br />
Fuente: Reportes de producción correspondientes al periodo 2000-2006 del departamento de Offset de<br />
Surtidora Gráfica S.A. de C.V.<br />
Variación de tono<br />
800000<br />
700000<br />
600000<br />
500000<br />
400000<br />
300000<br />
200000<br />
100000<br />
0<br />
Orden de Trabajo 9263 9128 8888 8875 9101 9111 9145 Other<br />
Variación de tono 202722 125494 115841 96534 77227 57921 48267 19307<br />
Porcentaje 27.3 16.9 15.6 13.0 10.4 7.8 6.5 2.6<br />
% Acumulado 27.3 44.2 59.7 72.7 83.1 90.9 97.4 100.0<br />
FIGURA 1.46<br />
Diagrama de Pareto de segundo nivel de defecto principal por orden de trabajo<br />
Fuente: Elaboración propia.<br />
100<br />
80<br />
60<br />
40<br />
20<br />
0<br />
Porcentaje<br />
126
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
A través del diagrama de Pareto se puede observar que la O.T. 9263 Folleto:<br />
Promoción tarjeta Gold Credit Card presentaba mayores problemas de variación de<br />
tono, ya que el 27.27% de sobretiros se había realizado para este impreso.<br />
Por consiguiente, después de efectuar un análisis de primer y segundo nivel la<br />
VCC bajo estudio fue la variación de tono en los impresos correspondientes a la O.T.<br />
9263 Folleto: Promoción tarjeta Gold Credit Card.<br />
Meta<br />
La meta que se consideró en la aplicación de SS, fue reducir al menos en un<br />
10% mensual el número de reprocesos de la O.T. 9263, así como reducir por lo menos<br />
el 20% de PPM fuera de las especificaciones producidos por la variación y<br />
reproducción de tono en la O.T.9263, ya que si estos disminuían; por consiguiente se<br />
reduciría el número de penalizaciones del cliente y los costos originados por los<br />
insumos asociados a los sobretiros.<br />
Del mismo modo, se estableció como meta aumentar como mínimo una sigma<br />
con respecto a la situación actual del proceso de impresión Offset. Lo anterior, también<br />
se reflejaría en la capacidad del proceso para cumplir con las especificaciones.<br />
Alcance de la aplicación de SS<br />
Una vez que se definieron las metas a lograr, se planteó el alcance y horizonte<br />
de la aplicación de SS.<br />
Como se había señalado anteriormente, el alcance de la aplicación de SS se<br />
limitó al departamento de Offset, debido a las características específicas del proceso de<br />
impresión y la problemática que presentaba dicho departamento de la empresa<br />
Surtidora Gráfica S.A. de C.V.<br />
Asimismo, este estudio abarcó las etapas de: Definir, Medir, Analizar, Mejorar y<br />
Controlar. La etapa de control se contempló a nivel de prueba piloto a través de una<br />
corrida confirmatoria y el monitoreo del proceso durante 1 mes.<br />
Beneficios potenciales de la aplicación de SS<br />
Como se había mencionado anteriormente, el proyecto SS debía estar ligado a<br />
los objetivos de la empresa y representar una mejora importante en el desempeño del<br />
proceso y en lo financiero. Debido a lo anterior, se consideró que los principales<br />
beneficios de aplicación de SS al proceso de impresión Offset estuvieran orientados a:<br />
Reducción de defectos por variación de tono<br />
Uno de los principales objetivos de esta investigación fue reducir los defectos<br />
producidos por variaciones en el tono del impreso, ya que si se lograba tener mayor<br />
127
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
conocimiento estadístico del proceso y se fijaban niveles para las variables, el proceso<br />
de impresión ganaría fiabilidad con lo cual no sería necesario desperdiciar grandes<br />
cantidades de papel, tinta y tiempo de ajuste de máquina en reprocesos de trabajos.<br />
Como se observa en la tabla 1.28 el volumen de reprocesos por variación de<br />
tono, en la O.T. 9263 había aumentado a partir del año 2003, y por consiguiente los<br />
costos asociados a la penalización por entrega de material defectuoso e insumos<br />
necesarios para efectuar los sobretiros correspondientes.<br />
TABLA 1.28<br />
Volumen de reprocesos y costos asociados en el periodo 2000-2006<br />
Periodo Volumen de Costo asociado<br />
reprocesos (T/L)<br />
217<br />
Tiempo muerto (min)<br />
($)<br />
2000 24,612 18,485 4,800<br />
2001 19,497 20,852 3,250<br />
2002 22,668 21,997 3,400<br />
2003 29,798 24,743 5,100<br />
2004 32,989 30,648 6,300<br />
2005 35,260 31,998 6,890<br />
2006 37,898 36,789 8,120<br />
TOTAL 202,722 178,512 37,860<br />
Fuente: Reportes de producción correspondientes al periodo 2000-2006 del departamento de Offset de<br />
Surtidora Gráfica S.A. de C.V.<br />
Es importante mencionar que el costo asociado al reproceso, que se muestra en<br />
la tabla 1.24, corresponde únicamente al costo de penalización que la empresa<br />
Surtidora Gráfica S.A. de C.V. debe cubrir al cliente por retrasos en la entrega de<br />
material impreso y por material defectuoso. En consecuencia, dicho costo se<br />
incrementa al considerar horas-hombre, insumos, energía eléctrica, etc.<br />
Reducción de tiempos de ajuste de color<br />
Del mismo modo, la aplicación de SS permitiría reducir los tiempos muertos de<br />
operación del proceso de impresión (tiempos de ajuste de color por reproceso), ya que<br />
al disminuir el nivel de sobretiro ocasionado por la producción de material defectuoso<br />
se presentaría un ahorro considerable de tiempo muerto por ajustes de color. En la<br />
tabla 1.28 se muestra el tiempo muerto ocasionado por ajustes de color en reproceso<br />
durante el periodo 2000-2006.<br />
217 Costo estimado únicamente a partir de penalizaciones.<br />
128
Mejora de la capacidad del proceso de impresión<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
A pesar de que en la etapa de definición del proyecto SS no se había<br />
determinado la situación actual del proceso de impresión. Sin embargo, dados los altos<br />
volúmenes de reprocesos de material impreso por variación y reproducción de tono se<br />
consideró previamente que la capacidad del proceso de impresión para cumplir con las<br />
especificaciones del cliente podría ser baja (Ver apartado 3.5.3 Capacidad del<br />
proceso).<br />
Por consiguiente, otro de los beneficios de la aplicación de SS estaría orientado<br />
a mejorar la capacidad del proceso Offset actual.<br />
4.1.2. Medición de la situación actual<br />
En esta segunda etapa se verificó que la variación de tono y reproducción de<br />
color (VCC) se pudiera medir en forma consistente. Lo anterior, fue realizado a través<br />
de un estudio R&R y posteriormente se determinó el estado actual de la VCC, a través<br />
de un estudio de capacidad y estabilidad. (Ver figura 1.47).<br />
Verificar el sistema<br />
de medición<br />
(estudio R&R)<br />
No satisfactorio<br />
Investigar las causas de variación:<br />
repetibilidad y reproducibilidad y<br />
disminuirlas<br />
Satisfactorio<br />
FIGURA 1.47<br />
Etapa de medición en la aplicación de SS<br />
Fuente: Elaboración propia.<br />
Desarrollar estudio<br />
de capacidad y<br />
estabilidad<br />
Es inestable<br />
No es capaz<br />
Eliminar las causas especiales de<br />
variación a través de la<br />
estandarización de materiales,<br />
maquinaria, operarios, etc.<br />
Aplicar diseño de experimentos<br />
para detectar las variables,<br />
factores o causas que generan<br />
problemas al proceso<br />
La variación de tono en un impreso se puede medir respecto a valores<br />
nominales de densidad de tono lleno 218 para cada tinta a través de un densitómetro<br />
cuya medición se efectúa sobre una tira de control de impresión incluida en el pliego,<br />
perpendicularmente a la dirección de impresión. Esta tira contiene, además de otros<br />
elementos de control, campos de tono lleno para los colores de la escala los cuales se<br />
repiten en la zona de entintado. (Ver figura 1.48).<br />
218 Espesor de la capa de tinta o cantidad de tinta existente sobre el pliego de un impreso.<br />
129
FIGURA 1.48<br />
Campos de tono lleno para la selección de color: CMYK<br />
Fuente: Elaboración propia.<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
En el caso del impreso bajo estudio, la tira de control contiene campos de tono<br />
lleno para la selección de color: Cyan-Magenta-Yellow-Black (CMYK) y el elemento de<br />
control para el pantone especial PT 1524 dorado.<br />
A partir de lo anterior, la VCC de variación de tono se mediría a través de las<br />
densidades de la selección de color CMYK y el PT1524. Sin embargo, como cada color<br />
tiene una densidad nominal determinada, esto se podría interpretar como que la<br />
variable de respuesta de la variación de tono serían las 5 densidades, no obstante este<br />
análisis complica la solución del problema, ya que dado el número de variables de<br />
respuesta sería necesario encontrar el punto óptimo de operación para cada una de<br />
ellas y el diseño de experimentos propuesto habría sido más complejo y quedaría fuera<br />
del alcance previsto de este estudio.<br />
Para evitar lo anterior, se consideró mantener constantes las densidades de la<br />
selección de color y enfocarse al pantone dorado; ya que de acuerdo al historial de<br />
reprocesos del periodo 2000-2006 el PT 1524 dorado presentaba mayor porcentaje de<br />
sobretiros por defectos en variación de tono. (Ver tabla 1.29).<br />
TABLA 1.29<br />
% de sobretiros por variación de tono por pantone en la O.T. 9263<br />
Pantone<br />
% de sobretiro por variación<br />
en tono<br />
Selección de color 35%<br />
PT 1524 65%<br />
Fuente: Reportes de producción del departamento de Offset de Surtidora Gráfica S.A. de C.V.<br />
De este modo, se analizó la situación actual que presentaba la densidad del PT<br />
1524, considerando que las densidades de la selección de color se mantenían<br />
constantes.<br />
El primer paso fue desarrollar un estudio de repetibilidad y reproducibilidad, para<br />
verificar el sistema de medición de la variable: densidad de tono de PT1524, de<br />
acuerdo a lo señalado en el apartado 3.6.2.1. Método de ANOVA para analizar<br />
130
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
estudio R&R, se seleccionaron a 2 operarios de la prensa Speed Master CD (prensa<br />
en la cual se elabora el impreso bajo estudio) para medir en 10 impresos<br />
seleccionados del mismo lote la densidad de tono del pantone 1524, a través de un<br />
densitómetro digital, dicho estudio fue realizado en 1 día. A partir de lo anterior, cada<br />
operario midió dos veces el mismo impreso. Los datos se muestran en la tabla A1 de<br />
los anexos.<br />
Posteriormente, los datos fueron analizados a través del software Minitab, y se<br />
obtuvieron los resultados que se muestran en la tabla 1.30 y en la figura 1.49.<br />
TABLA 1.30<br />
Estudio R&R para densidad de tono del PT1524<br />
Fuente Varianza % Contribución<br />
Total R&R 0.0000002 92.79<br />
Repetibilidad 0.0000002 92.79<br />
Reproducibilidad 0.0000000 0.00<br />
Parte a parte 0.0000000 7.21<br />
Variación total 0.0000002 100.00<br />
Fuente<br />
Desv. Est<br />
(DE)<br />
Var. Expandida<br />
(5.15*DE)<br />
% Var. Total<br />
(%VT)<br />
% Tolerancia<br />
(Var/Toler)<br />
Total R&R 0.0004511 0.0027063 96.33 19.33<br />
Repetibilidad 0.0004511 0.0027063 96.33 19.33<br />
Reproducibilidad 0.0000000 0.0000000 0.00 0.00<br />
Parte a parte 0.0001257 0.0000000 26.85 5.39<br />
Variación total 0.0004682 0.0028095 100.00 20.07<br />
Fuente: Elaboración propia.<br />
131
Gage R&R para densidad de tono de PT1524<br />
Fecha:18/05/2007<br />
Rango<br />
Media<br />
Porcentaj e<br />
100<br />
50<br />
0<br />
0.0010<br />
0.0005<br />
0.0000<br />
1.4480<br />
1.4472<br />
1.4464<br />
Gage R&R<br />
Componentes de la variación<br />
Repetib<br />
Reprod<br />
Gráfico de rangos por operarios<br />
1 2<br />
Gráfico de medias por operarios<br />
1 2<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Parte<br />
% Contribution<br />
% Study Var<br />
% Tolerance<br />
LCS=0.001307<br />
_<br />
R=0.0004<br />
LCI=0<br />
LCS=1.448052<br />
_<br />
X=1.4473<br />
LCI=1.446548<br />
FIGURA 1.49<br />
Estudio R&R para densidad de tono del PT1524<br />
Fuente: Elaboración propia.<br />
Gage R&R (ANOVA)<br />
Reportado por: Of f set<br />
Tolerancia:0.014<br />
Media<br />
1.4480<br />
1.4475<br />
1.4470<br />
1.4480<br />
1.4475<br />
1.4470<br />
1.4480<br />
1.4475<br />
1.4470<br />
1<br />
1<br />
2<br />
2<br />
Gráfico de variación por pieza<br />
3<br />
1<br />
3<br />
4<br />
4<br />
5 6<br />
Pieza<br />
Gráfico de variación por operario<br />
Operador<br />
Interacción operario x pieza<br />
En este estudio se observó una contribución grande de la repetibilidad (96.33%),<br />
asociada al instrumento de medición en la variación total observada. Es decir,<br />
posiblemente el instrumento requiere de calibración o limpieza, por otro lado en el<br />
gráfico de rangos de la figura 1.49 se observó que el operario 2 presentaba mayor<br />
variabilidad en sus mediciones que el operario 1. Asimismo, el gráfico de variación por<br />
pieza presentó claramente que existen variaciones considerables entre los impresos;<br />
en la interacción operario por pieza, se presentaron variaciones de valores entre ambos<br />
operarios.<br />
Sin embargo, como se había mencionado anteriormente, un sistema de<br />
medición se considera correcto si la anchura definida por la variabilidad (Total Gage<br />
R&R) es menor del 20% del intervalo de especificaciones, en este caso se obtuvo un<br />
valor de 19.33% lo cual fue considerado como aceptable. Es decir, el sistema de<br />
medición actual podía distinguir entre impresos buenos y malos, aunque era<br />
susceptible de ser mejorado, no obstante, fue considerado adecuado para efectos de la<br />
presente investigación.<br />
Una vez que se aprobó la calidad de las mediciones, se realizó un estudio de<br />
capacidad y estabilidad del PT1524 utilizando una carta de control , cada 2000<br />
5 6<br />
Pieza<br />
7<br />
8<br />
7<br />
9<br />
8<br />
2<br />
10<br />
9<br />
10<br />
Operario<br />
1<br />
2<br />
132
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
tiros se tomaba un impreso y se medía su densidad. Los datos obtenidos a través de<br />
una hoja de verificación (checklist) corresponden a los últimos 35 reportes de<br />
producción de la O.T 9263, de tal modo que se garantizará observar la variación de<br />
largo plazo del proceso. Los datos se muestran en la tabla A3 de los anexos.<br />
Primeramente, se verificó que los datos provinieran de una distribución normal;<br />
ya que los supuestos de estabilidad y capacidad del proceso se deducen a partir del<br />
supuesto de normalidad. Debido a lo anterior, se graficó en papel probabilidad la media<br />
de los datos, a través del software Minitab, como se observa en la figura 1.50 los<br />
puntos en la gráfica tienden a ubicarse a lo largo de una línea recta.<br />
Del mismo modo, al aplicar la prueba de Kolmorogov Smirnov el valor obtenido<br />
es menor que el crítico y su probabilidad (p-value) es mayor que su nivel de<br />
no se rechazó la hipótesis nula de que los datos<br />
provenían de una distribución normal.<br />
Porcentaje<br />
99<br />
95<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
5<br />
1<br />
1.450<br />
1.451<br />
Normal<br />
1.452 1.453<br />
MEDIA<br />
1.454<br />
1.455<br />
FIGURA 1.50<br />
Gráfica de probabilidad normal para la variable densidad del PT1524<br />
Fuente: Elaboración propia.<br />
Media 1.453<br />
Desv Est 0.0009824<br />
Muestra 35<br />
KS 0.062<br />
P-Value >0.150<br />
A través de la carta X R que se muestra en la figura 1.51 se aprecia que el<br />
proceso era estable en cuanto a su tendencia central, de acuerdo a lo expuesto en el<br />
apartado 3.5.2 Carta de control , ya que no presentaba puntos fuera de los límites<br />
y el comportamiento de los puntos no seguía ningún patrón especial, es decir,<br />
presentaba variaciones naturales. Por otro lado, aunque en la carta de rangos se<br />
aprecia que el punto 23 se aproxima al límite de control superior, este se debió a una<br />
situación especial (ausencia de mantenimiento preventivo a la prensa) y por ello se<br />
descartó para su análisis.<br />
133
Media<br />
Rango<br />
1.456<br />
1.454<br />
1.452<br />
1.450<br />
1<br />
Subgrupo<br />
0.0100<br />
0.0075<br />
0.0050<br />
0.0025<br />
0.0000<br />
1<br />
Subgrupo<br />
4<br />
4<br />
FIGURA 1.51<br />
Estudio de estabilidad para la variable densidad del PT1524<br />
Fuente: Elaboración propia.<br />
7<br />
7<br />
10<br />
10<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
13<br />
13<br />
16<br />
16<br />
19<br />
19<br />
22<br />
22<br />
25<br />
25<br />
28<br />
28<br />
31<br />
31<br />
34<br />
34<br />
LCS=1.455360<br />
_<br />
X=1.452571<br />
LCI=1.449783<br />
LCS=0.01022<br />
_<br />
R=0.00484<br />
Por lo tanto el proceso de densidad del PT1524 ha estado funcionando de<br />
manera estable en cuanto a la media y a la amplitud de su variación. Los valores de las<br />
constantes A2, D3 y D4 se calcularon con un tamaño de muestra igual a 5. (Ver tabla A2<br />
de los anexos).<br />
Límites de la carta de control de medias<br />
Limite de control superior (LCS) Limite de control inferior (LCI)<br />
LCS<br />
LCS X A R<br />
2<br />
1. 4526 0. 577( 0. 0047)<br />
LCS 1. 4554<br />
LCI<br />
Límites de la carta de control de rangos<br />
LCI=0<br />
LCI X A R<br />
2<br />
1. 4526 0. 577( 0. 0047)<br />
LCI 1. 4498<br />
Limite de control superior (LCS) Limite de control inferior (LCI)<br />
LCS DR 4 LCI DR 3<br />
LCS 2. 1144( 0. 0047)<br />
LCI 0( 0. 0045)<br />
LCS 0. 0102 LCI<br />
0<br />
134
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Por otro lado, en cuanto a capacidad, las especificaciones o tolerancias para la<br />
densidad del PT 1524, fueron establecidas con base a la norma ISO 12647-2:1996 219 ,<br />
en la que se señala: el impresor establece la densidad nominal del pantone bajo<br />
estudio, considerando que la tolerancias del color no deben exceder de +/-<br />
A partir de lo anterior, se estableció que la densidad nominal sería de 1.450 y las<br />
especificaciones serían: EI= 1.443 y ES= 1.457 220 . Del histograma de la figura 1.52 se<br />
observó que los resultados de la densidad del PT1524 estaban cargados hacía la<br />
especificación superior, lo que incrementaba sensiblemente la aparición de impresos<br />
que no cumplían con las especificaciones.<br />
Datos del proceso<br />
EI 1.443<br />
Objetiv o 1.45<br />
ES 1.457<br />
Media 1.45257<br />
Muestra 175<br />
Desv Est (corto) 0.00207502<br />
Desv Est (largo) 0.00209934<br />
C apacidad de corto plazo<br />
Cp 1.12<br />
Cpi 1.54<br />
Cps 0.71<br />
Cpk 0.71<br />
C apacidad de largo plazo<br />
Pp 1.11<br />
Ppi 1.52<br />
Pps 0.70<br />
Ppk 0.70<br />
EI Objetiv o ES<br />
Desempeño observ ado<br />
PPM < EI 0.00<br />
PPM > ES 11428.57<br />
PPM Total 11428.57<br />
1.444 1.446 1.448 1.450 1.452 1.454 1.456 1.458<br />
Desempeño corto plazo<br />
PPM < EI 1.99<br />
PPM > ES 16412.01<br />
PPM Total 16414.00<br />
FIGURA 1.52<br />
Estudio de capacidad para la variable densidad del PT1524<br />
Fuente: Elaboración propia.<br />
Desempeño largo plazo<br />
PPM < EI 2.57<br />
PPM > ES 17450.41<br />
PPM Total 17452.97<br />
Corto plazo<br />
Largo plazo<br />
En la figura 1.52 se muestra un reporte sobre el desempeño del proceso dado<br />
por el software Minitab, en la esquina superior derecha se muestran las curvas<br />
normales actual (de largo plazo) y potencial (de corto plazo), ambas centradas en el<br />
valor nominal, lo cual es un indicio de que se muestreo lo suficiente.<br />
219<br />
Comité Técnico TC 130 ISO 12647-2:1996 Parámetros y métodos de medición, Ginebra, Suiza.<br />
1996.<br />
220<br />
La densidad nominal de 1.550 fue determinada previamente a través de la hoja O.K. avalada por la<br />
firma del cliente.<br />
135
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
De este modo, se puede concluir que la tendencia central se ubicaba alrededor<br />
de 1.452 y que el cuerpo del histograma estaba desplazado hacia la derecha de la<br />
densidad nominal, por lo que si se centrara el proceso su capacidad real sería<br />
aceptable. A continuación en la tabla 1.31 se muestra el cálculo de capacidades del<br />
proceso a corto y largo plazo.<br />
TABLA 1.31<br />
Capacidades potenciales y reales a corto y largo plazo<br />
Corto plazo Largo plazo<br />
Desv Est corto plazo: 0.002027<br />
Cp<br />
Cpi<br />
Cps<br />
C<br />
p<br />
ES EI<br />
6<br />
1. 457 1. 443<br />
1. 12<br />
6( 0. 002027)<br />
C<br />
pi<br />
EI<br />
3<br />
1. 45257 1. 443<br />
1. 54<br />
3( 0. 002027)<br />
C<br />
Fuente: Elaboración propia.<br />
ps<br />
ES<br />
3<br />
1. 457 1. 45257<br />
3( 0. 002027)<br />
0. 71<br />
C MenorCpiCps ( , ) 0. 71<br />
pk<br />
Z 3. 61<br />
ct<br />
Desv Est largo plazo: 0.002099<br />
Pp<br />
Ppi<br />
Pps<br />
P<br />
p<br />
ES EI<br />
6<br />
1. 457 1. 443<br />
1. 11<br />
6( 0. 002099)<br />
P<br />
pi<br />
3<br />
EI<br />
1. 45257 1. 443<br />
1. 52<br />
3( 0. 002099)<br />
P<br />
ps<br />
ES<br />
3<br />
1457 1. 45257<br />
3( 0. 002099)<br />
0. 70<br />
Ppk MenorCpiCps ( , ) 0. 70<br />
Z 3. 61 1. 5 2. 11<br />
El desempeño observado con la muestra no era aceptable, ya que 11, 429 PPM<br />
de los impresos salen fuera de la ES, por lo que se estaban produciendo impresos que<br />
excedían las densidades de la especificación superior.<br />
Aún con la variación actual, como se observa en la tabla 1.31, si el proceso se<br />
centrara en el valor nominal (1.450), la capacidad se incrementaría hasta niveles de<br />
Cp=Cpk= 1.12. Sin embargo, debido al desfase hacia la derecha, la capacidad real de<br />
corto plazo era Cpk= 0.71, la cual no garantizaba tampoco a largo plazo el cumplimiento<br />
lt<br />
136
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
de las especificaciones. Asimismo, el valor del Cpk era mucho más pequeño que el Cp,<br />
lo cual indicaba que la media del proceso estaba alejada del centro de las<br />
especificaciones, esto indica que el proceso de impresión de PT1524 se encontraba<br />
descentrado.<br />
Por otro lado, el impacto que tenía sobre la calidad es importante, ya que con<br />
Cp=1.12 generaría 966.965 impresos fuera de especificación si el proceso estuviera<br />
centrado. Sin embargo, como no lo está, entonces con Cpk= 0.71 se esperaba que el<br />
proceso generara 16,414.<br />
De acuerdo a lo expuesto en el apartado 3.3.3. Métrica SS se tiene que:<br />
NiveldecalidadensigmasZct ( . ) 0. 8406 29. 37 2. 221 ln( 17, 452. 97) 3. 61<br />
Es decir el desempeño sería a un nivel de 3.61 sigmas, que con el desfase<br />
estimado se obtendrían 17,452.97 impresos con variación de tono y defectos. Lo<br />
anterior, se podía traducir como que a largo plazo la probabilidad será de 1.74% de que<br />
los impresos se encuentren fuera de las especificaciones.<br />
En conclusión, la situación inicial del proceso de impresión de PT1524 aunque<br />
era estable y predecible bajo control estadístico, no era capaz de cumplir<br />
satisfactoriamente las especificaciones del cliente. Debido a lo anterior, se propuso<br />
desarrollar un diseño de experimentos que permitiera mejorar la capacidad del proceso<br />
y optimizarlo, a través del desarrollo de una serie de pruebas experimentales que<br />
permitiera detectar las variables, factores o causas que generaban los problemas en el<br />
proceso y que la media se encontrará desfasada.<br />
En el siguiente apartado, se analizarán las principales causas del problema que<br />
propiciaban la variación de tono en el PT1524, las cuales permitieron desarrollar el<br />
diseño de experimentos que se expone a continuación.<br />
4.1.3. Análisis de las causas del problema<br />
En esta etapa se identificaron las X´s potenciales (variables de entrada, las<br />
cuales definen las condiciones de operación del proceso) que podían estar influyendo<br />
en el desempeño de la variable de densidad de tono, del impreso bajo estudio.<br />
Para la identificación de causas potenciales (factores), se requirió nuevamente<br />
de la presencia del departamento de Offset y de la experiencia del grupo de mejora<br />
(prensistas y técnicos); a través de la herramienta de lluvia de ideas como se<br />
mencionó en el apartado 3.4.5 Lluvia de ideas, se identificaron las posibles causas<br />
potenciales de la variación de tono.<br />
137
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Después de varias reuniones y diversos borradores de diagramas de Ishikawa<br />
se construyó el diagrama final a través del método de estratificación o enumeración de<br />
causas, el cual se presenta en la figura 1.53.<br />
Espesor de la capa<br />
de tinta<br />
Saturación de tono<br />
Aceptación entre<br />
tintas<br />
Transparencia<br />
Temperatura<br />
Condutividad<br />
Solución de la<br />
fuente<br />
Tiempo de exposición<br />
Velocidad<br />
Lineatura de<br />
trama<br />
Ganancia de<br />
punto<br />
% de absorción de luz<br />
Contraste de<br />
impresión<br />
Ganancia mecánica<br />
Ganancia óptica<br />
Error de tonalidad<br />
Saturación de trama Tamaño<br />
Mantenimiento<br />
de prensa<br />
Limpieza<br />
Frecuencia<br />
Proveedor de PT<br />
Equilibrio de grises<br />
Densidad de<br />
trama<br />
Calibración<br />
Entintado<br />
Valor de medios tonos<br />
Engrosamiento del punto<br />
FIGURA 1.53<br />
Diagrama de Ishikawa de las causas que propician la variación de tono del PT1524<br />
Fuente: Elaboración propia.<br />
Variación de<br />
tono<br />
Posteriormente, se realizaron varias reuniones con los expertos del proceso de<br />
impresión Offset, con el fin de determinar las variables más significativas que<br />
intervenían en la variación de tono del impreso. Del mismo modo, se consideraron las<br />
variables para las cuales la norma ISO 12647-2 recomienda controlar para reducir la<br />
variación de tono.<br />
4.1.3.1. Desarrollo de la etapa experimental<br />
Como se había mencionado anteriormente, la situación actual del proceso de<br />
impresión del PT1524 era estable pero incapaz, por lo cual se tenían dos alternativas<br />
para su mejora:<br />
Apoyarse en los conocimientos del equipo de mejora para detectar las causas<br />
principales de la baja capacidad sobre la densidad del PT1524, a través de análisis<br />
estratificados y diagramas de dispersión, como se mencionó en los apartados 3.4.1<br />
Estratificación y 3.4.6 Diagrama de dispersión. Sin embargo, las desventajas que<br />
presentaba esta opción eran: las limitaciones de analizar una variable a la vez, la<br />
imposibilidad de estudiar la interacción de dos o más variables y el riesgo de elegir<br />
variables que estadísticamente no afectaran al proceso. Por consiguiente, se descartó<br />
esta opción.<br />
Desarrollar una serie de pruebas experimentales, planeadas adecuadamente<br />
para detectar las variables, factores o causas que generaban el problema de baja<br />
capacidad en el proceso de impresión. Como se mencionó en el apartado 3.7. Diseño<br />
de experimentos, entre las ventajas de aplicar diseño de experimentos destaca la<br />
capacidad de corroborar más rápido, las diferentes conjeturas que se tienen sobre la<br />
138
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
baja capacidad, analizar la interacción de dos o más variables. Asimismo, es posible<br />
generar conocimiento e información adicional, a través del análisis matemático.<br />
Elección de<br />
factores y niveles<br />
Elección del tipo de<br />
diseño de<br />
experimentos<br />
Diseño factorial<br />
fraccionado<br />
Diseño factorial<br />
FIGURA 1.54<br />
Etapa de análisis en la aplicación de SS<br />
Fuente: Elaboración propia.<br />
Realización del<br />
experimento<br />
(aleatorizado)<br />
Análisis de<br />
resultados<br />
Establecer modelo<br />
estadístico<br />
Debido a lo anterior, se eligió desarrollar un diseño de experimentos que<br />
permitiera encontrar las causas de variación y factores de influencia sobre la densidad<br />
del pantone bajo estudio (Ver figura 1.54). A continuación, se describirán las principales<br />
etapas del desarrollo experimental efectuado.<br />
1. Elección de la cantidad de factores y número de niveles<br />
A partir del diagrama de Ishikawa de la figura 1.53, la normatividad y el<br />
conocimiento imprescindible del proceso, se consideró que las X´s potenciales<br />
(factores sobre la variación de densidad) que se analizarían a fondo serían:<br />
Aceptación entre tintas (trapping).<br />
Temperatura del balance agua-tinta en la solución de la fuente.<br />
Velocidad de lineatura de trama por pulgada (lpi).<br />
Rendimiento entre tintas de PT1524.<br />
Ganancia de punto (porcentaje de absorción de luz).<br />
A continuación se menciona la justificación de la elección de cada uno de los<br />
factores seleccionados para el diseño experimental, por razones de confidencialidad de<br />
la empresa no se mostrarán a detalle formulas químicas o normas, sino sólo se dará un<br />
bosquejo de los factores seleccionados.<br />
El primer factor seleccionado fue la aceptación entre tintas, este factor es uno de<br />
los más importantes, ya que esta relacionado con la sucesión o secuencia de colores.<br />
Por consiguiente, no es lo mismo imprimir una tinta sobre papel blanco que imprimirla<br />
sobre otra tinta ya seca, o sobreimprimir un pantone especial sobre una selección de<br />
139
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
color. De acuerdo a la norma, en el caso de un pantone especial se deberá determinar<br />
la secuencia de color que favorezca al impreso (Ver figura 1.55).<br />
A partir de lo anterior, se consideraron dos niveles para este factor.<br />
FIGURA 1.55<br />
Secuencia de colores para la impresión Offset<br />
Fuente: Elaboración propia.<br />
El siguiente elemento fue la temperatura del balance entre agua y tinta, ya que<br />
cualquier desequilibrio entre ambas ocasiona un cambio de tono en el impreso. De este<br />
modo, la temperatura se consideró en dos niveles, de acuerdo a la opinión de los<br />
expertos del proceso.<br />
El siguiente factor fue la velocidad de lineatura de trama por pulgada (lpi) el cual<br />
se refiere a la capacidad de imprimir un número de líneas determinado por cada trama,<br />
de este modo si la lineatura es excesiva la impresión se obscurece. A partir de lo<br />
anterior se consideraron dos niveles de velocidad en lpi que posee la prensa.<br />
El rendimiento de las tintas entre proveedores, difiere considerablemente, lo cual<br />
repercute en la calidad del impreso que se obtiene, de esta manera se analizaron los<br />
dos principales proveedores de PT1524.<br />
Finalmente, la ganancia de punto o porcentaje de absorción de luz es el<br />
incremento en los valores tonales del punto de trama. De acuerdo a la norma, se<br />
considera recomendable no exceder del 75%; de este modo, se establecieron los<br />
niveles con base en la ganancia de punto objetivo. En la tabla 1.32 se presentan los<br />
factores con sus respectivos niveles.<br />
140
TABLA 1.32<br />
Factores y niveles sobre la densidad de PT1524<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Factores Nivel 1 (Alto) Nivel 2 (Bajo)<br />
A= Aceptación entre tintas (trapping) PT1524-CMYK CMYK-PT1524<br />
B= Temperatura agua-tinta 120 o C 70 o C<br />
C= Velocidad de lineatura de trama por pulgada 175 lpi 150 lpi<br />
D= Rendimiento de tinta Proveedor A Proveedor B<br />
E= Ganancia de punto 19% 14%<br />
Fuente: Elaboración propia.<br />
2. Elección del tipo de diseño experimental<br />
Posteriormente, se eligió trabajar con un diseño factorial fraccionado 2 k-1 , ya que<br />
al establecer k=5 factores con dos niveles cada uno, si se hubiera optado por un diseño<br />
factorial completo 2 5 con una replica se habrían corrido 32 pruebas, lo cual habría sido<br />
prácticamente imposible, debido al alto costo de los insumos, el tiempo de<br />
experimentación y además ser innecesario, ya que como se vio en el apartado 3.7.4.<br />
Diseño factorial fraccionado 2 k-1 al elegir una fracción del diseño experimental se<br />
reducen el número de corridas y es posible identificar los efectos e interacciones<br />
estadísticamente significativos.<br />
3. Realización del experimento<br />
En la tabla 1.33 se muestra la construcción del diseño 2 5-1 , el diseño se<br />
construyo apuntando el diseño básico que tiene 16 corridas a través de la notación de<br />
Yates (diseño 2 4 en A, B, C y D), y seleccionando ABCDE como generador, y ajustando<br />
después los niveles del quinto factor E=ABCD.<br />
Por otro lado, se realizaron repeticiones del experimento y no réplicas, debido a<br />
la magnitud del experimento, es decir, como el experimento fue muy grande se requirió<br />
planear con antelación un plan de pruebas y medir la densidad del pantone en cada<br />
tratamiento cada 200 tiros, sin ajustar la prensa y efectuar finalmente el promedio de<br />
las mediciones.<br />
TABLA 1.33<br />
Construcción del diseño experimental<br />
Corrida<br />
Orden<br />
real de<br />
las<br />
corridas<br />
Diseño básico<br />
A B C D E=ABCD<br />
Combinación<br />
de<br />
tratamientos<br />
Densidad del PT1524<br />
R1 R2 R3 R<br />
1 9 - - - - + e 1.404 1.402 1.412 1.406<br />
2 13 + - - - - a 1.410 1.420 1.415 1.415<br />
3 8 - + - - - b 1.458 1.461 1.462 1.460<br />
141
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
4 1 + + - - + ab 1.402 1.408 1.413 1.408<br />
5 15 - - + - - c 1.448 1.443 1.442 1.444<br />
6 12 + - + - + ace 1.448 1.451 1.452 1.450<br />
7 6 - + + - + bce 1.425 1.421 1.421 1.422<br />
8 2 + + + - - abc 1.411 1.406 1.410 1.409<br />
9 10 - - - + - d 1.406 1.409 1.414 1.410<br />
10 11 + - - + + ade 1.430 1.433 1.428 1.430<br />
11 5 - + - + + bde 1.415 1.419 1.415 1.416<br />
12 16 + + - + - abd 1.462 1.465 1.462 1.463<br />
13 3 - - + + + cde 1.431 1.436 1.435 1.434<br />
14 4 + - + + - acd 1.453 1.451 1.452 1.452<br />
15 14 - + + + - bcd 1.429 1.419 1.416 1.421<br />
16 7 + + + + + abcde 1.446 1.448 1.442 1.445<br />
Fuente: Elaboración propia.<br />
Una vez elaborado el plan de pruebas se procedió a realizar los experimentos,<br />
los cuales tuvieron una duración de tres semanas y media. En la siguiente etapa se<br />
muestran los resultados obtenidos y el análisis de los mismos.<br />
4. Análisis de los resultados<br />
Primeramente se obtuvo la relación de definición del diseño, la cual fue<br />
I=ABCDE. Por consiguiente, como se observa en la tabla 1.34, todos los efectos<br />
principales son alias de una interacción de cuatro factores, y cada una de las<br />
interacciones de dos factores son alias de una interacción de tres factores. Por lo tanto<br />
el diseño aplicado fue de resolución V ( ).<br />
TABLA 1.34<br />
Alias de la interacción de factores<br />
I + ABCDE<br />
A + BCDE<br />
B + ACDE<br />
C + ABDE<br />
D + ABCE<br />
E + ABCD<br />
AB + CDE<br />
AC + BDE<br />
AD + BCE<br />
AE + BCD<br />
BC + ADE<br />
BD + ACE<br />
BE + ACD<br />
CD + ABE<br />
142
Fuente: Elaboración propia.<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
CE + ABD<br />
DE + ABC<br />
Con el procedimiento mencionado en el apartado 3.7.4. Diseño factorial<br />
fraccionado 2 k-1 se obtuvieron las estimaciones de los efectos y los coeficientes del<br />
modelo de regresión para los 15 efectos de este experimento, los cuales se muestran<br />
en la tabla 1.35.<br />
TABLA 1.35<br />
Efectos y coeficientes de regresión<br />
Factor/Variable Nombre Nivel -1 Nivel +1<br />
A Aceptación entre tintas -1.000 1.000<br />
B Temperatura agua-tinta -1.000 1.000<br />
C Velocidad de lpi -1.000 1.000<br />
D Rendimiento de tinta -1.000 1.000<br />
E Ganancia de punto -1.000 1.000<br />
Factor Efecto Coeficiente de regresión<br />
Promedio global 1.43031<br />
A 0.01113 0.00556<br />
B 0.03388 0.01694<br />
C 0.01088 0.00544<br />
D -0.00087 -0.00044<br />
E 0.00063 0.00031<br />
AB 0.00687 0.00344<br />
AC 0.00037 0.00019<br />
AD 0.00113 0.00056<br />
AE 0.00112 0.00056<br />
BC 0.00063 0.00031<br />
BD -0.00013 -0.00006<br />
BE -0.00012 -0.00006<br />
CD 0.00088 0.00044<br />
CE 0.00038 0.00019<br />
DE -0.00137 -0.00069<br />
Fuente: Elaboración propia.<br />
A través del software Minitab se elaboraron las graficas de probabilidad normal<br />
de las estimaciones de los efectos, y la grafica de Pareto de efectos. Como se observa<br />
en la figura 1.56 y 1.57 respectivamente, los efectos principales de A, B y C y la<br />
interacción AB son grandes. Del mismo modo, se considera que debido a los alias<br />
estos efectos son en realidad A+ BCDE, B+ ACDE, C+ ABDE y AB + CDE. Sin<br />
embargo, como se mencionó en el apartado 3.7.4. Diseño factorial fraccionado 2<br />
143<br />
k-1<br />
las interacciones de tres factores son insignificantes, por lo tanto fue posible concluir<br />
que sólo A, B, C y AB eran los efectos importantes.
Probabilidad normal<br />
99<br />
95<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
5<br />
1<br />
0.000<br />
0.005<br />
AB<br />
0.010<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
A<br />
C<br />
0.015<br />
Alpha = 0.05<br />
0.020<br />
Estimación de los efectos<br />
0.025<br />
FIGURA 1.56<br />
Gráfica de probabilidad normal de los efectos estandarizados<br />
Fuente: Elaboración propia.<br />
Factor<br />
B<br />
A<br />
C<br />
AB<br />
DE<br />
AD<br />
AE<br />
CD<br />
D<br />
BC<br />
E<br />
CE<br />
AC<br />
BD<br />
BE<br />
0.000<br />
0.00241<br />
0.005<br />
FIGURA 1.57<br />
Diagrama de Pareto de efectos<br />
Fuente: Elaboración propia.<br />
0.010<br />
Alpha = 0.05<br />
0.015 0.020<br />
Efecto<br />
0.030<br />
0.025<br />
B<br />
0.035<br />
0.030<br />
Tipo de efecto<br />
No significativo<br />
Significativo<br />
0.035<br />
144
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Posteriormente, se confirmo la significancia de los efectos que marca el Pareto y<br />
la gráfica de probabilidad normal a través de la herramienta matemática ANOVA, la<br />
cual se explico en el apartado 3.7.4.1. Análisis de varianza (ANOVA). Como los<br />
efectos de los factores D, E y las interacciones eran insignificantes se combinaron<br />
como una estimación del error. (Ver tabla 1.36).<br />
TABLA 1.36<br />
Análisis de varianza<br />
Fuente de<br />
variación<br />
Grados de<br />
libertad<br />
Suma de<br />
cuadrados<br />
Cuadrado<br />
medio<br />
F0 Valor P<br />
A 1 0.00049506 0.00049506 214.08 0.000<br />
B 1 0.00459006 0.00459006 1984.89 0.000<br />
C 1 0.00047306 0.00047306 204.57 0.000<br />
AB 1 0.00018906 0.00018906 81.76 0.000<br />
AC 1 0.00000056 0.00000056 0.24 0.635<br />
BC 1 0.00000156 0.00000156 0.68 0.435<br />
ABC 1 0.00000756 0.00000756 3.27 0.108<br />
Error 8 0.00001850 0.00000231<br />
Total 15 0.00577544<br />
R 2 = 99.68% R 2 aj=99.40%<br />
Fuente: Elaboración propia.<br />
A través del ANOVA, se puede observar que los efectos de los factores: A:<br />
aceptación entre tintas, B: Temperatura agua-tinta y C: Velocidad de lpi fueron<br />
significativos; ya que el estadístico F0 fue mayor que el estadístico de prueba (F de<br />
tablas). Asimismo, se puede notar que los p-value de los factores A, B, C y AB eran<br />
<br />
De acuerdo al estadístico R 2 aj (Ver apartado 3.7.4.3. Modelo estadístico) estos<br />
cuatro factores explican el 99.40% de la variabilidad en la densidad de tono del<br />
PT1524, y por tanto el efecto atribuible a factores no estudiados más el efecto del error<br />
experimental fue pequeño comparado con el efecto de los factores estudiados.<br />
R<br />
2<br />
aj<br />
CM CM<br />
total error<br />
CM<br />
5. Verificación de los supuestos del modelo<br />
total<br />
0. 00577544 0. 00001850<br />
100 15 8<br />
0. 00577544<br />
15<br />
100 99. 40%<br />
Antes de comenzar a interpretar las gráficas de los efectos que resultaron<br />
significativos en el Análisis de varianza, los supuestos del modelo deben verificarse. La<br />
tabla de ANOVA (1.36) supone que los residuos se distribuyen normales, con varianza<br />
constante y son independientes.<br />
145
a) Normalidad<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Como se había mencionado en el apartado 3.7.4.3 Verificación de los<br />
supuestos del modelo, es posible verificar el cumplimiento del supuesto de<br />
normalidad de los residuos con sólo graficarlos. En la figura 1.58 se muestran los<br />
residuos, los cuales tienden a estar alineados en una línea recta. Del mismo modo, se<br />
aplicó la prueba de Kolmorogov Smirnov, obteniéndose un p-value mayor al nivel de<br />
significancia predefinido; por lo que no se rechazó la hipótesis de normalidad de los<br />
residuos.<br />
Porcentaje<br />
99<br />
95<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
5<br />
1<br />
-0.003<br />
-0.002<br />
-0.001<br />
Normal<br />
0.000<br />
Residuos<br />
0.001<br />
0.002<br />
0.003<br />
N 16<br />
KS 0.111<br />
P-Value >0.150<br />
FIGURA 1.58<br />
Gráfica de probabilidad normal y prueba de Kolmorogov Smirnov para residuos<br />
Fuente: Elaboración propia.<br />
b) Varianza constante<br />
En la figura 1.59 se graficaron los residuales contra los valores ajustados ( ij<br />
y )<br />
en la cual no se aprecia ningún patrón obvio, ya que los puntos se distribuían<br />
aleatoriamente, por lo que no fue evidente ninguna estructura inusual.<br />
146
Residual<br />
0.002<br />
0.001<br />
0.000<br />
-0.001<br />
-0.002<br />
1.40<br />
1.41<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
1.42<br />
FIGURA 1.59<br />
Gráfica de residuales contra los valores ajustados<br />
Fuente: Elaboración propia.<br />
1.43<br />
Valores predichos<br />
Con el fin de comprobar analíticamente que los residuos tenían varianza<br />
constante, se aplicó la prueba de Barttlet. Como se mencionó en el apartado 3.7.4.3.<br />
Verificación de los supuestos del modelo, esta prueba establece que la hipótesis<br />
nula de varianza constante se rechaza cuando ji-cuadrada calculada es mayor que la<br />
de tablas.<br />
Al aplicar la prueba de Barttlet se obtuvo<br />
1.44<br />
2<br />
0<br />
1.45<br />
1.46<br />
X 3. 28 con p-value=0.858, puesto<br />
2<br />
que X 0. 05, 15 25 , no se rechazó la hipótesis nula de varianzas constantes; y se concluyó,<br />
al igual que la gráfica de residuos contra valores ajustados, que las varianzas eran<br />
iguales.<br />
c) Independencia<br />
De acuerdo al apartado 3.7.4.3. Verificación de los supuestos del modelo la<br />
suposición de independencia en los residuos se verificó graficando el orden en que se<br />
colectaron los datos contra su residuo correspondiente. De acuerdo a la figura 1.60 no<br />
se detectó ninguna tendencia o patrón no aleatorio definido; por lo tanto, el supuesto de<br />
independencia se cumplió.<br />
147
Residuo<br />
0.002<br />
0.001<br />
0.000<br />
-0.001<br />
-0.002<br />
FIGURA 1.60<br />
Gráfica de residuales contra orden de corrida<br />
Fuente: Elaboración propia.<br />
1<br />
2<br />
3<br />
4<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
5<br />
6<br />
7 8 9 10<br />
Orden de corrida<br />
A partir de lo anterior, se concluyó que los resultados que presentó el modelo de<br />
Análisis de varianza eran validos, ya que se cumplieron los tres supuestos descritos<br />
anteriormente.<br />
4.1.4. Mejora de las variables críticas de calidad (VCC)<br />
En esta etapa se analizaron los resultados obtenidos en la etapa anterior, con el<br />
objetivo de mejorar el proceso de impresión e identificar los factores estadísticamente<br />
significativos que influían sobre la VCC; para efectuar la predicción sobre el mejor<br />
tratamiento y determinar las mejores condiciones del proceso. Posteriormente, se<br />
realizó una corrida confirmatoria y se realizó la operación normal del proceso bajo las<br />
condiciones de operación y por último se evaluó el impacto de la mejora. (Ver figura<br />
1.61).<br />
11<br />
12<br />
13<br />
14<br />
15<br />
16<br />
148
Análisis de<br />
resultados<br />
obtenidos<br />
Determinar las<br />
mejores<br />
condiciones de<br />
operación<br />
FIGURA 1.61<br />
Etapa de mejora en la aplicación de SS<br />
Fuente: Elaboración propia.<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Corrida<br />
confirmatoria con<br />
tratamientos<br />
significativos<br />
Operación del proceso<br />
bajo las condiciones<br />
de operación<br />
encontradas<br />
Evaluar impacto<br />
de las mejoras<br />
Primeramente, se representó gráficamente los efectos principales: (A)<br />
aceptación entre tintas, (B) temperatura agua-tinta y (C) velocidad de lpi, y la<br />
interacción de los efectos de los factores AB que resultaron estadísticamente<br />
significativos sobre la variable de respuesta.<br />
De acuerdo con la figura 1.62 se aprecia una interacción importante entre la<br />
aceptación entre tintas y la temperatura agua-tinta de la solución de la fuente, en<br />
particular se observaba que si se trabajaba con temperatura agua-tinta baja,<br />
prácticamente daría lo mismo trabajar con la secuencia de color PT1534-CMYK que<br />
con CMYK-PT1524.<br />
Densidad de tono<br />
1.460<br />
1.455<br />
1.450<br />
1.445<br />
1.440<br />
1.435<br />
1.430<br />
1.425<br />
1.420<br />
1.415<br />
1.410<br />
1.4155<br />
1.41125<br />
-1<br />
B<br />
1<br />
1.45625<br />
1.43825<br />
FIGURA 1.62<br />
Efecto de interacción de los factores AB para la densidad de tono del PT1524<br />
Fuente: Elaboración propia.<br />
A<br />
-1<br />
1<br />
149
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Del mismo modo, a partir de la figura 1.63 se observa que es necesario evitar<br />
que la velocidad de lpi se encuentre en su nivel bajo, ya que la densidad de tono<br />
disminuye considerablemente y el proceso se encontraría fuera de la especificación<br />
inferior.<br />
Densidad de tono<br />
1.450<br />
1.445<br />
1.440<br />
1.435<br />
1.430<br />
1.425<br />
1.420<br />
1.415<br />
1.410<br />
1.450<br />
1.445<br />
1.440<br />
1.435<br />
1.430<br />
1.425<br />
1.420<br />
1.415<br />
1.410<br />
-1<br />
-1<br />
A<br />
C<br />
1<br />
1<br />
-1<br />
B<br />
1<br />
1.44725<br />
FIGURA 1.63<br />
Representación de los efectos principales para la densidad de tono del PT1524<br />
Fuente: Elaboración propia.<br />
Finalmente, para predecir la densidad de tono en combinación de los tres<br />
factores y la interacción AB se planteó el modelo de regresión asociado, con el objetivo<br />
de predecir al valor esperado de la densidad de tono del PT1524, sobre el mejor<br />
tratamiento de acuerdo al apartado 3.7.4.3. Modelo estadístico (predicción sobre el<br />
mejor tratamiento).<br />
Donde:<br />
Y <br />
0 1x <br />
1 2x <br />
2 3x <br />
3 12xx 1 2<br />
Y = Respuesta predicha en el punto (x1, x2, x3, x12)<br />
<br />
0 = Media global de todos los datos y representa la densidad de tono en el centro de la<br />
región experimental.<br />
= Efectos estimados que resultaron significativos divididos entre dos.<br />
1 2 3 12<br />
x = Factor A: aceptación entre tintas.<br />
1<br />
x = Factor B: temperatura agua-tinta.<br />
2<br />
x = Factor C: velocidad lpi.<br />
3<br />
150
x 12 = Factores AB<br />
En este caso se obtuvo:<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
0. 01113 0. 03388 0. 01088 0. 00687<br />
Y 1. 4303 x x x xx<br />
2 2 2 2<br />
1 2 3 1 2<br />
Así se tiene por ejemplo que con A: alto, B: alto, C: bajo y la interacción AB: alto<br />
0. 01113 0. 03388 0. 01088 0. 00687<br />
Y 1. 4303 ( 1) ( 1) ( 1) ( 1)( 1)<br />
2 2 2 2<br />
Y 1. 4510<br />
De este modo, se obtuvo el cubo de la figura 1.64, en la cual se observan los<br />
valores de densidad predichos en cada combinación de los tres factores significativos y<br />
la interacción de los factores AB en el experimento. Es posible observar que el valor<br />
predicho más cercano al valor nominal de 1.450 de densidad ocurre en la combinación<br />
(X1=1, X2=1, X3=-1, X12=1) que en unidades originales corresponde a (aceptación entre<br />
tintas=PT1524-CMYK, temperatura agua-tinta=120 o C y velocidad de lpi=150 lpi).<br />
1<br />
B<br />
-1<br />
1.4320<br />
1.4070<br />
-1<br />
1.4445<br />
1.4155<br />
A<br />
1.4510<br />
1.4095<br />
1<br />
-1<br />
1.4615<br />
1.4215<br />
FIGURA 1.64<br />
Gráfica de cubo (densidad de PT1524 predicha en cada combinación)<br />
Fuente: Elaboración propia.<br />
C<br />
1<br />
151
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
A partir de lo anterior, se concluyó que el tratamiento óptimo para obtener una<br />
densidad cercana al valor nominal de 1.450 era la combinación de los factores A, B en<br />
su nivel alto y C en su nivel bajo.<br />
6. Corrida confirmatoria<br />
Posteriormente de haber realizado el análisis experimental, se llevó a cabo una<br />
corrida confirmatoria con los tratamientos significativos que influían en la densidad de<br />
tono del PT1524 y manteniendo constantes los demás factores.<br />
Cabe señalar que en la corrida confirmatoria, no se realizaron ajustes de<br />
máquina durante la marcha del proceso de impresión, lo anterior con el fin de analizar<br />
el comportamiento de la densidad durante la corrida experimental de 2,000 tiros.<br />
TABLA 1.37<br />
Corrida confirmatoria<br />
Corrida<br />
confirmatoria<br />
Mediciones de densidad del PT1524<br />
200 400 600 800 1,000 1,200 1,400 1,600 1,800 2,000<br />
MEDIA RANGO<br />
1 1.448 1.445 1.447 1.451 1.453 1.451 1.452 1.451 1.449 1.451 1.4498 0.0080<br />
Fuente: Elaboración propia.<br />
Como se observa en la tabla 1.37 la densidad del PT1524 se mantuvo constante<br />
a lo largo de la impresión, es decir, no se requirieron efectuar ajustes de máquina para<br />
mantenerla bajo las especificaciones.<br />
Por consiguiente, a primera vista los resultados muestran que el pronóstico<br />
realizado anteriormente es favorable, ya que en promedio el resultado se encuentra un<br />
poco por debajo de lo pronosticado, sin embargo se encuentra dentro de las<br />
especificaciones.<br />
No obstante, como la corrida confirmatoria fue realizada con un número de<br />
impresiones menor a la producción requerida de manera mensual, se decidió<br />
monitorear el proceso durante 1 mes, con el objetivo de analizar el proceso bajo las<br />
condiciones establecidas previamente (tratamientos significativos), y operando con el<br />
volumen necesario. (Ver tabla A4 de los anexos). Se corrieron 8 subgrupos de tamaño<br />
5, y con los datos obtenidos se realizó el estudio de capacidad y estabilidad del<br />
proceso que se muestra en la figura 1.65 y 1.66 respectivamente.<br />
En primer lugar, se observó una distribución de los datos prácticamente centrada<br />
en el valor nominal de 1.450. En contraste con el estudio de capacidad hecho en la<br />
etapa de medición (figura 1.52), en el cual la distribución estaba desfasada hacia la<br />
derecha. En cuanto a los estadísticos reportados, ahora la capacidad de corto plazo fue<br />
de 2.55 (Cpk=2.55), la de largo plazo es de 2.18 (Ppk=2.18) y las partes por millón<br />
disconformes a corto plazo fueron 0.00. (Ver figura 1.64).<br />
152
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Por otro lado, se calcularon las PPM´S suponiendo un desfase del proceso de<br />
1.5 sigmas, en el cual se obtuvo 1.33 partes por millón defectuosas (PPM=1.33), que<br />
equivalen a una calidad de 6.20 sigmas y a una zeta de largo plazo de 4.70.<br />
Niveldecalidadensigmas : Zct . 0. 8406 29. 37 2. 221 ln( 1. 33) 6. 20<br />
En lo que respecta a la estabilidad del proceso de impresión, se observó que al<br />
inicio se comportó de manera inestable con respecto a la media, lo anterior fue el<br />
resultado de modificar el proceso anterior de trabajo, por lo que se reforzó la etapa de<br />
control. Sin embargo, como se observa en la figura 1.66 el proceso es predecible a<br />
través del tiempo y se debe monitorear constantemente.<br />
Datos del proceso<br />
EI 1.443<br />
Objetiv o 1.45<br />
ES 1.457<br />
Media 1.44945<br />
Muestra 40<br />
Desv Est (corto) 0.000843221<br />
Desv Est (largo) 0.000985797<br />
C apacidad de corto plazo<br />
Cp 2.77<br />
Cpi 2.55<br />
Cps 2.98<br />
Cpk 2.55<br />
C apacidad de largo plazo<br />
Pp 2.37<br />
Ppi 2.18<br />
Pps 2.55<br />
Ppk 2.18<br />
Desempeño observ ado<br />
PPM < EI 0.00<br />
PPM > ES 0.00<br />
PPM Total 0.00<br />
EI Objetivo ES<br />
1.444<br />
Desempeño corto plazo<br />
PPM < EI 0.00<br />
PPM > ES 0.00<br />
PPM Total 0.00<br />
1.446<br />
1.448<br />
1.450<br />
Corto plazo<br />
Largo plazo<br />
1.452<br />
1.454<br />
1.456<br />
FIGURA 1.65<br />
Estudio de capacidad para la variable densidad del PT1524, después de las mejoras<br />
Fuente: Elaboración propia.<br />
153
Media<br />
Rango<br />
1.4505<br />
1.4500<br />
1.4495<br />
1.4490<br />
1.4485<br />
1<br />
Subgrupo<br />
0.004<br />
0.003<br />
0.002<br />
0.001<br />
0.000<br />
1<br />
Subgrupo<br />
2<br />
2<br />
3<br />
3<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
4<br />
4<br />
5<br />
5<br />
6<br />
6<br />
7<br />
7<br />
8<br />
8<br />
LSC=1.450581<br />
_<br />
X=1.44945<br />
LCI=1.448319<br />
LSC=0.004147<br />
_<br />
R=0.001961<br />
FIGURA 1.66<br />
Estudio de estabilidad para la variable densidad del PT1524, después de las mejoras<br />
Fuente: Elaboración propia.<br />
7. (Evaluación del impacto de la mejora) Resultados alcanzados<br />
En la tabla 1.38 se resume el antes y el después para la variable densidad de<br />
tono de PT1524 para la O.T. 9263 folleto: Promoción tarjeta Gold Credit Card, en<br />
términos de los índices mencionados anteriormente. Para estimar el desempeño a<br />
largo plazo en número de sigmas se estimó a partir de los datos y también se realizó<br />
suponiendo un desfase 1.5 sigmas en la media del proceso (Zlt).<br />
TABLA 1.38<br />
Comparativo del estado del proceso de impresión para la variable densidad de tono de PT1524<br />
Antes Después Mejora<br />
Cpk= 0.71 Cpk= 2.55 Cpk= 1.84<br />
Ppk= 0.70 Ppk= 2.18 Ppk= 1.48<br />
PPM=17,452.97 PPM=1.33 Reducción en PPM=17,451.64<br />
Sigmas (Zct)=3.61 Sigmas (Zlt)=6.20 Sigmas (Zlt)=2.59<br />
Zlt=2.11 Zlt=4.70 Zlt=2.59<br />
Fuente: Elaboración propia.<br />
Como se observa en la tabla 1.38 se logró cumplir con los objetivos planteados<br />
al inicio de la aplicación de Seis Sigma, ya que al operar el proceso con la combinación<br />
de los factores significativos, el número de sigmas del proceso se incremento de Zlt =<br />
LCI=0<br />
154
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
2.11 a Zlt= 4.70, lo cual tiene como resultado la reducción considerable del número de<br />
PPM defectuosas que originaba inicialmente el proceso (con una disminución de<br />
17,451.64 PPM). Asimismo, después de efectuar las mejoras se observó un incremento<br />
en la capacidad real a corto y largo plazo (Cpk=1.84 y Ppk=1.48, respectivamente).<br />
En el aspecto monetario la mejora en el proceso se puede traducir en un ahorro<br />
aproximado de $18,664.00, estimado a partir de la reducción en 17,451.64 PPM<br />
defectuosas y considerando únicamente el costo asociado por penalizaciones, a través<br />
de la tabla 1.28, anualmente se produciría un ahorro de $31,597.72. Este beneficio se<br />
incrementa al considerar la reducción de los costos en insumos por reprocesos. Del<br />
mismo modo, el número de reprocesos atribuidos a la variación de tono se redujo a 0%<br />
durante el mes de agosto de 2007.<br />
Asimismo, se redujo el tiempo muerto ocasionado por ajustes del proceso, ya<br />
que si se compara el mes de junio del año 2006 en el cual se procesó 80,000 T/L de la<br />
O.T. 9263 folleto: Promoción tarjeta Gold Credit Card se registraron 19 ajustes<br />
necesarios para alcanzar los valores tonales especificados, después de las mejoras<br />
únicamente se requirieron 5 ajustes, como se observa en la tabla A4 de los anexos.<br />
Esta reducción de tiempo muerto, trajo una reducción en el tiempo de ciclo del<br />
proceso (antes de las mejoras el tiempo de proceso de la O.T. 9263 por 10,000T/L era<br />
en promedio de 4 horas, al reducir el tiempo muerto, se redujo a 3.5 horas), esta ligera<br />
disminución permitió agilizar el procesamiento de otras ordenes de trabajo.<br />
4.1.5. Control<br />
Para mantener las mejoras logradas en el desempeño de la variable densidad<br />
de tono del PT1524 se implementaron medidas sencillas que permitieran controlar<br />
adecuadamente la densidad de tono en las condiciones de operación propuestas e<br />
impedir que las mejoras y el conocimiento obtenido se olvidaran.<br />
Estandarizar el<br />
proceso<br />
Documentar el plan<br />
de control<br />
FIGURA 1.67<br />
Etapa de control en la aplicación de SS<br />
Fuente: Elaboración propia.<br />
Monitorear el<br />
proceso<br />
Cerrar y difundir la<br />
aplicación de Seis<br />
Sigma<br />
En primer lugar se acordó con los trabajadores responsables del proceso de<br />
impresión de la O.T. 9263 efectuar las modificaciones correspondientes. De este modo,<br />
se realizó un nuevo procedimiento estándar de operación del proceso (Ver figura 1.67).<br />
Por razones de confidencialidad de la empresa, no se muestra en la presente<br />
investigación.<br />
155
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Con el fin de tratar de no depender de controles manuales y de vigilancia sobre<br />
el desempeño, se buscaron de manera conjunta métodos de operación en dispositivos<br />
tipo poka-yoke. 221<br />
Para evitar que la temperatura agua-tinta disminuya o aumente durante la<br />
impresión sin que el operario lo perciba, existen controles visuales que emiten una<br />
señal luminosa cuando la temperatura excede o se encuentra por debajo de un valor<br />
nominal, por lo que se acordó con la Dirección general adquirir este mecanismo.<br />
Por otro lado, el área de cotizaciones se comprometió a emitir en la O.T. 9263 la<br />
PT1524 tinta directa y CMYK tintas secundarias <br />
PT1524 se tiene que aplicar al inicio y posteriormente la selección de color. Finalmente,<br />
en lo que respecta a la velocidad de lineatura, la prensa tiene la opción de configurar<br />
esta velocidad en impresión, por lo que fue ajustada a 150 lpi.<br />
En lo que respecta al monitoreo del proceso se recomendó reforzar el uso de las<br />
cartas de control , de tal manera que las mejoras en el proceso de mantuvieran a<br />
través del tiempo.<br />
Finalmente, se acordó con la Dirección general difundir la aplicación de SS a<br />
través de una reunión informativa primeramente con los coordinadores de los<br />
departamentos de producción; y posteriormente con los trabajadores de la empresa,<br />
para comunicar las actividades realizadas, los logros alcanzados y resumir los<br />
principales aprendizajes alcanzados en la aplicación de SS.<br />
4.1.6. Propuestas de mejora y recomendaciones<br />
En las diferentes etapas de la aplicación de SS en la empresa Surtidora Gráfica<br />
S.A. de C.V. se propusieron diversas herramientas para definir el proyecto SS, medir la<br />
situación actual, analizar las causas del problema, mejorar las VCC y controlar el<br />
proceso mejorado. Debido a que SS no hace referencia a utilizar técnicas o<br />
herramientas en particular, consideré que la definición del problema podría realizarse a<br />
través de la aplicación de diagramas de Pareto de primer y segundo nivel,<br />
conjuntamente con la participación del grupo de mejora a través de la técnica de lluvia<br />
de ideas. Asimismo, en la mejora del proceso creí conveniente aplicar el diseño<br />
experimental para determinar estadísticamente los factores que influían sobre la VCC.<br />
Por consiguiente, en la figura 1.68 propongo una serie de técnicas básicas y<br />
estadísticas que pueden contribuir a aplicar SS en una empresa litográfica.<br />
221<br />
Un sistema poka-yoke se refiere al diseño de métodos de trabajo a prueba de errores. Gutiérrez H, De<br />
la Vara R, Control Estadístico de Calidad y Seis Sigma, Ed. McGraw Hill, México, 2004, p.539.<br />
156
DEFINIR<br />
Descripción del<br />
problema<br />
MEDIR<br />
ANALIZAR<br />
Elección del tipo de<br />
diseño de<br />
experimentos<br />
MEJORAR<br />
Evaluar impacto<br />
de las mejoras<br />
CONTROLAR<br />
Elaborar diagrama<br />
de flujo del proceso<br />
LLuvia de ideas de<br />
VCC que influyen<br />
en el proceso<br />
Verificar el<br />
sistema de<br />
medición<br />
(estudio R&R)<br />
No satisfactorio<br />
Investigar las causas de variación:<br />
repetibilidad y reproducibilidad y<br />
disminuirlas<br />
Análisis de<br />
resultados<br />
alcanzados<br />
Diseño factorial<br />
fraccionado<br />
Diseño factorial<br />
Estandarizar el<br />
proceso<br />
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Identificar problemas<br />
a través del diagrama<br />
de Pareto de 1er nivel<br />
Satisfactorio<br />
Desarrollar estudio<br />
de capacidad y<br />
estabilidad<br />
Realización del<br />
experimento<br />
(aleatorizado)<br />
Operación del proceso<br />
bajo las condiciones<br />
de operación<br />
encontradas<br />
Documentar el plan<br />
de control<br />
FIGURA 1.68<br />
Desarrollo y Aplicación de Seis Sigma en una empresa<br />
Fuente: Elaboración propia<br />
Identificar<br />
O.T. a través del<br />
diagrama de Pareto de<br />
2do nivel<br />
Establecer metas,<br />
alcance y<br />
beneficios<br />
potenciales<br />
Es inestable<br />
No es capaz<br />
Análisis de<br />
resultados<br />
Corrida<br />
confirmatoria con<br />
tratamientos<br />
significativos<br />
Monitorear el<br />
proceso<br />
Identificar VCC<br />
Eliminar las causas especiales de<br />
variación a través de la<br />
estandarización de materiales,<br />
maquinaria, operarios, etc.<br />
Aplicar diseño de experimentos<br />
para detectar las variables,<br />
factores o causas que generan<br />
problemas al proceso<br />
Elección de<br />
factores y niveles<br />
Establecer modelo<br />
estadístico<br />
Determinar las<br />
mejores<br />
condiciones de<br />
operación<br />
Cerrar y difundir la<br />
aplicación de Seis<br />
Sigma<br />
157
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
Como se observa en la figura 1.68, dichas herramientas fueron utilizadas en la<br />
presente investigación. Si bien es cierto, que dichas herramientas pueden ser<br />
modificadas de acuerdo a las características particulares del proceso productivo bajo<br />
estudio, también lo es que el diagrama que se presenta puede constituir una guía o un<br />
punto de partida en la aplicación de SS para las pequeñas y medianas empresas.<br />
Por otro lado, a lo largo de la presente investigación, se ha hecho hincapié en la<br />
importancia que tiene la combinación del pensamiento estadístico con el conocimiento<br />
imprescindible de los responsables del proceso, en la aplicación de Seis Sigma y en la<br />
mejora continua de los procesos. De este modo, cualquier cambio en los métodos de<br />
trabajo existentes y propuestas de mejora en el proceso, deben ser analizadas de<br />
manera conjunta no sólo con el nivel estratégico, sino también con el nivel operativo, ya<br />
que es este último quien tiene mayor conocimiento del proceso y por consiguiente debe<br />
ser tomado en cuenta.<br />
Si bien es cierto que la aplicación de diseño de experimentos permitió identificar<br />
los factores que contribuían en la variabilidad de densidad de tono del pantone bajo<br />
estudio y determinar los niveles óptimos de operación, también lo es la importancia de<br />
mantener las mejoras logradas, lo cual no puede ser posible sin el apoyo del nivel<br />
operativo.<br />
A partir de lo anterior, se recomienda involucrar a todos los miembros de la<br />
empresa en la mejora continua y en la implantación de SS, por ejemplo es posible<br />
desarrollar un primer diagnóstico organizacional en el que se detecte cuáles son las<br />
prácticas y conocimientos actuales en la empresa que se alejan más de los principios<br />
de Seis Sigma (liderazgo comprometido de arriba hacia abajo, orientación al cliente,<br />
enfoque en procesos y se dirige con datos a través de una metodología robusta). La<br />
idea sería detectar si existe un liderazgo comprometido con la mejora de los procesos,<br />
identificando las personas que más simpatizan y apoyan la iniciativa y las áreas donde<br />
puede haber más resistencia.<br />
Por otro lado, es importante comunicar a los miembros de la empresa los<br />
principios fundamentales de Seis Sigma y erradicar posibles temores asociados a las<br />
mejoras, concientizando a los trabajadores de los beneficios en la aplicación de SS y<br />
en el desempeño del trabajo que cada uno realiza. Asimismo, es importante difundir los<br />
principales logros alcanzados, recalcando la importancia del grupo de mejora en la<br />
solución del problema.<br />
De la misma forma, es importante destacar que la aplicación de cualquier<br />
proyecto de mejora inicia con el compromiso y apoyo del nivel directivo, continúa con<br />
los responsables de la aplicación de SS y por último en los responsables del proceso.<br />
Si uno de estos actores no se compromete con la tarea que le corresponde, esta<br />
cadena sinérgica se romperá lo cual propiciará que las mejoras sean pasajeras o sean<br />
un esfuerzo más de la dirección por cambiar radicalmente los paradigmas existentes.<br />
158
CAPÍTULO IV<br />
Aplicación de Seis Sigma en Surtidora Gráfica S.A. de C.V.<br />
En conclusión, la aplicación de Seis Sigma en el proceso de impresión Offset fue<br />
satisfactoria. Cabe destacar que las mejoras ofrecidas en la presente investigación sólo<br />
se aplicaron a un proceso de los múltiples que conforman la elaboración de un impreso,<br />
sin embargo, el objetivo se cumplió, es decir, se demostró que la aplicación de SS<br />
permite reducir el número de defectos y retrasos en el proceso de impresión, este<br />
beneficio se tradujo en la reducción de costos asociados a penalizaciones y<br />
reprocesos, lo cual fue del agrado de la Dirección General, de este modo la inversión<br />
asignada a este proyecto puede ser recuperada.<br />
Por último, se comprobó que a través del pensamiento estadístico es posible<br />
disminuir la variación de tono en el impreso bajo estudio, al identificar y controlar los<br />
factores que influyen sobre esta variable crítica. Por consiguiente, para éste capítulo se<br />
concluye que la aplicación de Seis Sigma en el proceso de impresión de la empresa<br />
Surtidora Gráfica S.A. de C.V. contribuyó a aumentar el nivel de calidad del producto<br />
(O.T. 9263 folleto: Promoción tarjeta Gold Credit Card American Express) y a disminuir<br />
el número de defectos en impresión asociados a la variación de tono.<br />
159
Conclusiones<br />
La propuesta de aplicación de SS en una empresa litográfica presentada en esta<br />
tesis incursionó en la parte de la mejora de la calidad, es decir, está orientada a la<br />
disminución de reprocesos y optimización de un proceso productivo dentro del marco<br />
de la mejora continua, a través del uso de herramientas estadísticas especializadas y la<br />
formulación de un diseño experimental.<br />
Así pues, al inicio del presente trabajo se planteó que el objetivo de esta tesis<br />
fuera aplicar una propuesta en la reducción de defectos del proceso Offset en la<br />
empresa Surtidora Gráfica S.A. de C.V., con base en Seis Sigma (SS); de tal manera<br />
que la aplicación de esta metodología permitiera introducir métricas estadísticas para<br />
contribuir a la mejora del proceso.<br />
La aplicación de SS que se realizó al proceso de impresión en el Departamento<br />
de Offset de la empresa Surtidora Gráfica S.A. de CV., resultó satisfactoria ya que<br />
durante el desarrollo de la aplicación de SS, paso a paso, se logró comprender las<br />
condiciones que influyen sobre la densidad de tono del impreso bajo estudio, por medio<br />
de la medición, análisis y experimentación del proceso.<br />
Dicho análisis permitió determinar su situación en cuanto a capacidad para<br />
cumplir las especificaciones del cliente; así como estabilidad para predecir su<br />
variabilidad a través del tiempo, y por lo tanto para determinar y manipular los factores<br />
que influían significativamente sobre la densidad de tono del pantone dorado 1524.<br />
Asimismo, el diseño experimental propuesto permitió determinar las condiciones<br />
óptimas de los factores, y al realizar la corrida confirmatoria se comprobó que estuvo<br />
cerca de lo pronosticado. De este modo, para determinar el verdadero impacto de esta<br />
propuesta se monitoreo el proceso durante un mes trabajando bajo las condiciones<br />
establecidas, lo cual permitió comprobar que durante el proceso de impresión de la<br />
O.T. 9263 Folleto: Promoción tarjeta Gold Credit Card se obtuvo una reducción a 1.33<br />
PPM defectuosas, que propició el aumento en la capacidad real del proceso a corto<br />
plazo (2.55) y largo plazo (2.18), el incremento a 4.70 sigmas y por consiguiente la<br />
disminución de los costos asociados a penalizaciones y reprocesos en $18,664.00, el<br />
cual proyectado a un año se puede traducir en un ahorro de $31,597.72.<br />
De esta manera, los beneficios obtenidos con esta propuesta también<br />
favorecieron al cliente American Express Cía.; ya que la reducción en la variación de<br />
tono del material impreso, permitió la optimización de entregas de la O.T. 9263 Folleto:<br />
Promoción tarjeta Gold Credit Card a tarjetahabientes. Es importante señalar, que el<br />
producto bajo estudio está dirigido a clientes indirectos con poder adquisitivo elevado,<br />
<br />
160
por lo que los defectos en impresión de propaganda bancaria pueden causar una<br />
opinión negativa de American Express y los servicios que ofrece. Por consiguiente, al<br />
disminuir los defectos por variación de tono, fue posible optimizar el proceso de<br />
impresión Offset en la empresa Surtidora Gráfica S.A. de C.V. e incrementar la<br />
satisfacción del cliente directo y clientes indirectos. Por lo tanto, se considera que se<br />
cumplió satisfactoriamente con el objetivo.<br />
Por otro lado, se propuso durante el desarrollo de la presente investigación una<br />
serie de herramientas básicas y estadísticas para complementar cada una de las<br />
etapas en la aplicación de Seis Sigma, las cuales pueden ser tomadas como referencia<br />
para aplicar SS en otros departamentos de la empresa Surtidora Gráfica S.A. de C.V. e<br />
inclusive a otras empresas litográficas pequeñas y medianas, no descartando a las<br />
empresas grandes del sector de las Artes Gráficas. No obstante, es importante<br />
mencionar que antes de aplicar cualquier técnica es necesario analizar la problemática,<br />
el proceso y las características de éste.<br />
Entre las dificultades que se presentaron en la aplicación de SS destacan las<br />
siguientes; la principal fue la falta de material bibliográfico especializado en los tópicos<br />
de normatividad en el sector de las Artes Gráficas. Otra dificultad fue que el modelo<br />
matemático propuesto se adaptará lo mejor posible a las condiciones reales del<br />
proceso, es decir, que el planteamiento matemático del diseño experimental no<br />
resultara un proceso complejo y difícil de comprender.<br />
Otra de las dificultades presentadas durante la aplicación de SS y que es<br />
importante mencionar, fue el convencimiento a los responsables del proceso de<br />
impresión Offset de las ventajas que proporcionaría medir, analizar y mejorar el<br />
proceso no sólo para beneficio de la empresa, sino también para facilitar su trabajo; ya<br />
que al inicio de la presente investigación el personal guardaba cierto recelo a<br />
proporcionar información inherente a los factores que podían influir sobre la variable<br />
crítica, no obstante, esta situación fue resuelta al trabajar de manera conjunta con el<br />
grupo de mejora (prensistas y técnicos) haciéndolos partícipes en esta propuesta.<br />
Una dificultad más fue la rigidez del producto, es decir, el costo de las pruebas<br />
experimentales no permitieron realizar pruebas adicionales a la planeación que se<br />
había contemplado en un inicio, las cuales posiblemente hubieran proporcionado<br />
información extra sobre más factores determinantes involucrados en el experimento.<br />
La aportación de la presente propuesta de aplicación de SS en una empresa<br />
litográfica, permite demostrar que a pesar de que hoy en día la industria de las Artes<br />
Gráficas continua dependiendo en mayor grado de la habilidad de las personas, es<br />
posible, medir el proceso y mejorarlo a través de herramientas matemáticas, con el fin<br />
de ofrecer productos de mayor homogeneidad de color al cliente, es decir, producir<br />
artículos de calidad que se distingan de las diferentes opciones existentes en el<br />
mercado. Asimismo, con esta propuesta que se sustenta en el pensamiento estadístico<br />
avanzado, es posible comprobar que a pesar de que un proceso se encuentre<br />
influenciado por una gran cantidad de variables es posible controlarlo y mejorarlo.<br />
<br />
161
Una posible línea de investigación que deja abierta la presente propuesta es el<br />
desarrollo de un modelo experimental que incluya múltiples variables de respuesta<br />
(densidad de selección de color y tintas adicionales), dentro del marco de la aplicación<br />
de SS. El motivo de esta posible línea de investigación se sustenta en que el siguiente<br />
paso es diseñar un modelo matemático que optimice las variables de respuesta de la<br />
selección de color y del pantone especial de manera conjunta, que esta propuesta se<br />
analizó por separado a un pantone específico.<br />
El desarrollo de la presente investigación me ha dejado varias aportaciones. La<br />
primera de ellas es la capacidad de adaptar soluciones ingenieriles a las necesidades<br />
propias de una organización productora de bienes y servicios, lo anterior a través de la<br />
constante interacción entre la parte teórica y práctica. Otra de las aportaciones, tiene<br />
que ver con la madurez para plantear propuestas enfocadas a la mejora de los<br />
procesos a través de una visión más integral de la empresa, es decir, en la solución de<br />
un problema se debe considerar el efecto o contribución que pueda tener en otras<br />
áreas.<br />
Por último, a nivel personal y académico esta investigación me deja satisfecha,<br />
ya que anteriormente no se habían desarrollado en la SEPI-UPIICSA estudios<br />
precedentes a esta propuesta, bajo el enfoque de Seis Sigma. Finalmente, considero<br />
que la aportación más relevante que me ha proporcionado esta investigación es aplicar<br />
los conocimientos aprendidos para resolver los problemas, bajo una perspectiva más<br />
amplia, dentro de las empresas.<br />
<br />
162
Anexos<br />
TABLA A1<br />
Fuente: Elaboración propia.<br />
<br />
Datos para el estudio de repetibilidad y reproducibilidad<br />
Operador 1 Operador 2<br />
Impreso 1 2 1 2<br />
1 1.448 1.448 1.447 1.448<br />
2 1.447 1.447 1.447 1.448<br />
3 1.447 1.447 1.447 1.447<br />
4 1.448 1.448 1.447 1.448<br />
5 1.447 1.447 1.447 1.448<br />
6 1.447 1.447 1.448 1.447<br />
7 1.447 1.448 1.447 1.447<br />
8 1.447 1.447 1.447 1.448<br />
9 1.447 1.447 1.448 1.447<br />
10 1.447 1.447 1.447 1.447<br />
TABLA A2<br />
Factores para la construcción de las cartas de control<br />
Tamaño de Carta<br />
Carta R<br />
muestra A2<br />
d3<br />
D3 D4<br />
2 1.880 0.853 0.0000 3.2686<br />
3 1.023 0.888 0.0000 2.5735<br />
4 0.729 0.880 0.0000 2.2822<br />
5 0.577 0.864 0.0000 2.1144<br />
6 0.483 0.848 0.0000 2.0039<br />
7 0.419 0.833 0.0758 1.9242<br />
8 0.373 0.820 0.1359 1.8641<br />
9 0.337 0.808 0.1838 1.8162<br />
10 0.308 0.797 0.2232 1.7768<br />
11 0.285 0.787 0.2559 1.7441<br />
12 0.266 0.778 0.2836 1.7164<br />
13 0.249 0.770 0.3076 1.6924<br />
14 0.235 0.763 0.3281 1.6719<br />
15 0.223 0.756 0.3468 1.6532<br />
16 0.212 0.750 0.3630 1.6370<br />
163
Fuente: Elaboración propia.<br />
<br />
17 0.203 0.744 0.3779 1.6221<br />
18 0.194 0.739 0.3909 1.6091<br />
19 0.187 0.734 0.4031 1.5969<br />
20 0.180 0.729 0.4145 1.5855<br />
21 0.173 0.724 0.4251 1.5749<br />
22 0.167 0.720 0.4344 1.5656<br />
23 0.162 0.716 0.4432 1.5568<br />
24 0.157 0.712 0.4516 1.5484<br />
25 0.153 0.708 0.4597 1.5403<br />
TABLA A3<br />
Datos para el estudio de capacidad y estabilidad del proceso Offset (antes de las mejoras)<br />
Periodo: 2005-2007.<br />
Muestra<br />
Mediciones de densidad del PT1524<br />
2000 4000 6000 8000 10000<br />
MEDIA RANGO<br />
1 1.455 1.451 1.453 1.452 1.451 1.4524 0.0040<br />
2 1.452 1.454 1.455 1.453 1.454 1.4536 0.0030<br />
3 1.451 1.456 1.452 1.454 1.451 1.4528 0.0050<br />
4 1.452 1.453 1.452 1.454 1.447 1.4516 0.0070<br />
5 1.451 1.455 1.451 1.452 1.453 1.4524 0.0040<br />
6 1.453 1.454 1.454 1.449 1.448 1.4516 0.0060<br />
7 1.451 1.453 1.452 1.45 1.451 1.4514 0.0030<br />
8 1.454 1.453 1.452 1.454 1.451 1.4528 0.0030<br />
9 1.457 1.454 1.456 1.451 1.45 1.4536 0.0070<br />
10 1.453 1.451 1.452 1.451 1.454 1.4522 0.0030<br />
11 1.452 1.454 1.454 1.448 1.452 1.4520 0.0060<br />
12 1.455 1.45 1.452 1.45 1.453 1.4520 0.0050<br />
13 1.452 1.451 1.453 1.447 1.451 1.4508 0.0060<br />
14 1.454 1.453 1.449 1.455 1.452 1.4526 0.0060<br />
15 1.453 1.451 1.452 1.454 1.448 1.4516 0.0060<br />
16 1.455 1.451 1.453 1.454 1.452 1.4530 0.0040<br />
17 1.454 1.451 1.455 1.452 1.453 1.4530 0.0040<br />
18 1.455 1.456 1.452 1.451 1.449 1.4526 0.0070<br />
19 1.456 1.457 1.452 1.456 1.452 1.4546 0.0050<br />
20 1.453 1.455 1.452 1.455 1.452 1.4534 0.0030<br />
21 1.454 1.452 1.451 1.456 1.454 1.4534 0.0050<br />
22 1.453 1.452 1.452 1.451 1.453 1.4522 0.0020<br />
23 1.448 1.45 1.458 1.455 1.454 1.4530 0.0100<br />
24 1.452 1.453 1.454 1.452 1.453 1.4528 0.0020<br />
25 1.453 1.447 1.451 1.453 1.453 1.4514 0.0060<br />
164
26 1.452 1.455 1.452 1.453 1.447 1.4518 0.0080<br />
27 1.452 1.453 1.456 1.458 1.452 1.4542 0.0060<br />
28 1.453 1.455 1.453 1.455 1.457 1.4546 0.0040<br />
29 1.453 1.453 1.456 1.454 1.451 1.4534 0.0050<br />
30 1.452 1.453 1.452 1.452 1.451 1.4520 0.0020<br />
31 1.451 1.452 1.449 1.451 1.452 1.451 0.0030<br />
32 1.453 1.452 1.454 1.455 1.452 1.4532 0.0030<br />
33 1.453 1.454 1.452 1.451 1.452 1.4524 0.0030<br />
34 1.453 1.451 1.448 1.45 1.453 1.451 0.0050<br />
35 1.452 1.453 1.454 1.456 1.453 1.4536 0.0040<br />
1.455 1.451 1.453 1.452 1.451 1.4526 0.0047<br />
Fuente: Reportes de producción del departamento de Offset de Surtidora Gráfica S.A. de C.V.<br />
TABLA A4<br />
Datos para el estudio de capacidad y estabilidad del proceso Offset (después de las mejoras)<br />
Periodo: Agosto de 2007<br />
Muestra<br />
o<br />
subgrupo<br />
Mediciones de densidad del PT1524<br />
2000 4000 6000 8000 10000<br />
MEDIA RANGO<br />
Número<br />
de<br />
ajustes<br />
1 1.448 1.449 1.448 1.449 1.448 1.4484 0.0010 1<br />
2 1.450 1.451 1.449 1.449 1.450 1.4498 0.0020 0<br />
3 1.450 1.449 1.450 1.449 1.449 1.4494 0.0010 0<br />
4 1.449 1.451 1.450 1.451 1.450 1.4502 0.0020 1<br />
5 1.448 1.447 1.449 1.450 1.449 1.4486 0.0030 2<br />
6 1.449 1.450 1.451 1.449 1.449 1.4496 0.0020 0<br />
7 1.449 1.449 1.450 1.449 1.450 1.4494 0.0010 1<br />
8 1.451 1.451 1.449 1.449 1.451 1.4502 0.0020 0<br />
1.4498 0.0025 5<br />
165
Bibliografía<br />
<br />
CANAGRAF. Diagnóstico económico, tecnológico y de mercado de la industria de<br />
Artes Gráficas. Ed. Cámara Nacional de Artes Gráficas. México. 2006.<br />
CANAGRAF. Estudio estratégico y programa sectorial para elevar la<br />
competitividad y el desarrollo sustentable de la cadena productiva de la industria<br />
de Artes gráficas. Ed. Cámara Nacional de Artes Gráficas. México. 2004.<br />
Casals, Richard. Offset: Control de Calidad. Ed. Howson-Algraphy. Madrid. 1999,<br />
Chester, Barnard. Las funciones de los elementos dirigentes. Ed. McGraw Hill.<br />
México. 1998.<br />
Cochran, Diseños experimentales Ed. Trillas, México, 1993, p.204.<br />
Comité Técnico TC 130 ISO 12647-2:1996 Procesos de control para la manufactura<br />
de separaciones de color de semitonos, pruebas y producción de impresos.<br />
Ginebra, Suiza. 1996.<br />
De Gracia V. La gestión de color y la prueba de conformidad. Revista: CMYK.<br />
Junio 2003. Publicación técnica de AIDO, <strong>Instituto</strong> Tecnológico de Óptica, Color e<br />
Imagen para el sector de las Artes Gráficas. Madrid.<br />
Deming, E. Calidad, productividad y competitividad. Ed. Díaz de Santos. Madrid.<br />
1989.<br />
Duncan. Control de Calidad y Estadística Industrial. Ed. AlfaOmega. México. 2004.<br />
Goldrat, Eliyahu. La Meta. Ed. Castillo. México.1992.<br />
<br />
166
Gutiérrez Pulido H. Calidad Total y Productividad. Ed. McGraw Hill. México. 2004.<br />
Gutiérrez H, De la Vara R. Control Estadístico de Calidad y Seis Sigma. Ed. McGraw<br />
Hill. México. 2004.<br />
Gutiérrez H, De la Vara R. Análisis y diseño de experimentos. Ed. McGraw Hill.<br />
México. 2004.<br />
Juran H.M. Juran on Quality by Design: The new steps for planning quality into<br />
goods and services. Ed. The Free Press. Nueva York. 1998.<br />
Martínez Abascal E. Invertir en Bolsa. Ed. McGraw Hill. México.1999.<br />
Martorell Juan. Estandarización del proceso Offset. Revista: CMYK. Publicación<br />
técnica de AIDO, <strong>Instituto</strong> Tecnológico de Óptica, Color e Imagen para el sector de las<br />
Artes Gráficas. Madrid. Abril 2001.<br />
Michael H, Schroeder. Six Sigma. Ed. Doubleday-Random House. Nueva York. 2000.<br />
Montgomery, D.C. Introduction to Statistical Quality Control. Ed. John Wiley.<br />
Singapure.1991.<br />
Montgomery, Douglas. Diseño y análisis de experimentos. Ed. Grupo editorial<br />
Iberoamérica. México. 1991.<br />
Otero Susana. Estandarización del proceso Offset. Revista: CMYK. Publicación<br />
técnica de AIDO, <strong>Instituto</strong> Tecnológico de Óptica, Color e Imagen para el sector de las<br />
Artes Gráficas, Madrid. Abril 2001.<br />
Otero Susana, Estándares de impresión. Revista: CMYK. Publicación técnica de<br />
AIDO, <strong>Instituto</strong> Tecnológico de Óptica, Color e Imagen para el sector de las Artes<br />
Gráficas. Madrid. Agosto 2003.<br />
Pacheco Espejel, Arturo A. La productividad bajo sospecha. Ed. CEMPROS. México.<br />
2002.<br />
<br />
167
Porter Michael. Ventaja competitiva. Ed. CECSA. México. 1995.<br />
Prokopenko, Joseph. La gestión de la productividad. Ed. Limusa. México. 1997.<br />
Sallenave, J. P. La gerencia Integral. Ed. Norma. México. 1994.<br />
Schilling, E.G. Elements of process control. Ed. Quality Engineering. E.U. 2001.<br />
Smith, G.M. Statistical Process Control and Quality Improvement, Ed. Prentice Hall.<br />
New Jersey. 2005.<br />
Schmidt y Launsby, Statistical Processs Control. Ed. McGraw Hill, México, 1997,<br />
p.121.<br />
Snee, R. Six Sigma Focuses On Improvement Rates. Ed. Quality Progress. E.U.<br />
2003.<br />
Sumanth J. D. Ingeniería y administración de la productividad. Ed. McGraw Hill.<br />
México.1994.<br />
Referencias electrónicas:<br />
http://www.andigraf.com.mx/economia.html, (Marzo, 2007).<br />
http://www.canagraf.com.mx/canagraf.html, (Marzo, 2006).<br />
http://www.inegi.gob.mx/estadisticas/espanol/economia/divisiones.html, (Marzo, 2007).<br />
<br />
<br />
168