ESTUDIO DE GAGE RyR PARA VALIDACION DE UN SISTEMA DE MEDICIÓN

METODOLOGIA PARA MEDIR EL SISTEMA DE MEDICIÓN PARA DATOS CONTINUOS

1. Gage R & R

2. Medir 2.2Junio 2001 Medir 2.2-2
Tema 2: Colectar Datos
Gage Rep
e
tibilidad y Repr
o
ducibilidad
e
quipo
o
perador
(Variación de Equipo) (Variación de Inspector)
GRyR =
Kristin Stoehr, QL
Six Sigma Quality
rev. 30 March 2000
¿Porqué es importante Validar su Sistema de Medición?
“Si no puede medirlo,
No puede mejorarlo”

3. Medir 2.3Junio 2001 Medir 2.2-3
Tema 2: Colectar Datos
Kristin Stoehr, QL
Six Sigma Quality
rev. 30 March 2000
¿Porqué es importante Validar su Sistema de Medición?
“Tomar Decisiones con datos
no confiables es como tomar
decisiones sin Datos”
Dr. E. Deming

4. Medir 2.4Junio 2001 Medir 2.2-4
Tema 2: Colectar Datos
¿Porqué es importante Validar su Sistema de Medición?
ElEstudiodelGageRyR
Esunmétodousadoparaanalizarunsistemade
mediciónparadeterminarlacantidadyeltipode
variación(error)cuandosemidealgo

5. Medir 2.5Junio 2001 Medir 2.2-5
Tema 2: Colectar Datos
¿Porqué es importante Validar su Sistema de Medición?
El estudio del Gage RyR nos permite:

Determinar si el error de medición es pequeño y
aceptable relativo a la variación del proceso o
especificación del producto

Determinar la confianza de la “certeza” de los datos.

Obtener una adecuada resolución del Gage.

Enfocar los esfuerzos de mejora si la variación de la
medición es inaceptable.

6. Medir 2.6Junio 2001 Medir 2.2-6
Tema 2: Colectar Datos

Determine los factores que podrían causar
que variara la medición de un elemento

Encuentre la forma de reducir
el impacto de esos factores

Ponga a prueba sus formas de
recopilación de datos
Plan para la consistencia y la estabilidad de los datos
Desarrollar
definiciones
operacionales y
procedimientos
Plan para la
consistencia
y estabilidad
de los datos
Comenzar la
recopilación
de datos
Continuar
mejorando la
consistencia
de la
medición
Aclarar los
objetivos de la
recopilación
de datos

7. Medir 2.7Junio 2001 Medir 2.2-7
Tema 2: Colectar Datos
Validación de los sistemas de medición

Los datos son tan buenos como el proceso que los mide

Desarrolle una metodología para comprobar el sistema de
medición con el fin de conseguir la consistencia
y la estabilidad
El objetivo de validar los sistemas de medición es asegurar
que la variación en el proceso de medición representa una
pequeña fracción de la variación total de los datos.
Existen varios métodos usados para evaluar y validar los
sistemas de medición: Gage R&R, Round Robin, Round
Robin con Experto, principalmente
Los sistemas de medición deben validarse para conseguir
que los datos estén consistentemente libres de errores

8. Medir 2.8Junio 2001 Medir 2.2-8
Tema 2: Colectar Datos
Valor Observado = Valor Verdadero + Error de Medición
Variación Verdadera = Variación de Proceso + Variación de Medida
VARIACIÓN TOTAL
Aparente = Proceso + MediciónDoble Reto:
¡Reducir variación en ambos procesos!
Pensamiento Basado en La Variación

9. Medir 2.9Junio 2001 Medir 2.2-9
Tema 2: Colectar Datos
LSE
-4-3-2-101234
LIE
Distribución con la
Variación de
Medición
Probabilidad de
aceptar una
parte mala
Probabilidad de
rechazar una
parte buena
Distribución de
Proceso
Verdadero Valor de
la parte mala
Verdadero Valor de
la parte buena
Riesgo de Rechazar
una parte buena
Problema de Costo
Riesgo de Aceptar
una parte mala
Problema de
Cumplimiento
Riesgos del Gage RyR

10. Medir 2.10Junio 2001 Medir 2.2-10
Tema 2: Colectar Datos
Herramientas de Medición:
•
Gage RyR para Datos Continuos
•RyR de Atributos para Datos Discretos
•Auditorías Transaccionales
Análisis de Medición

11. Medir 2.11Junio 2001 Medir 2.2-11
Tema 2: Colectar Datos
Definiciones:
Repetibilidad:
La variación observada cuando el mismo operador usa el
mismo instrumentopara medir las mismas partes.
Gage RyR Para Datos Continuos
Repetibilidad

12. Medir 2.12Junio 2001 Medir 2.2-12
Tema 2: Colectar Datos
Reproducibilidad:
Operador:La variación observada cuando diferentes
operadoresusan el mismo instrumentopara medir las
mismas partes.
Gage RyR Para Datos Continuos
Reproducibilidad
Media de las mediciones de operador B
Media de las mediciones de operador A

13. Medir 2.13Junio 2001 Medir 2.2-13
Tema 2: Colectar Datos
Operador por Parte:
La interacción entre operador y parte (operador*parte); que es la
inconsistencia entre los promedios de los tamaños de las partes
medidos por cada operador . Por ejemplo, un operador puede tener
más variación y diferentes lecturas cuando mida partes pequeñas,
mientras otro operador puede tener más resultados diferentes cuando
mide partes mayores.
Gage RyR Para Datos Continuos

14. Medir 2.14Junio 2001 Medir 2.2-14
Tema 2: Colectar Datos
Validación de los sistemas de medición
Estabilidad:
Variación obtenida cuando la misma persona mide la misma
unidad con el mismo equipo en un largo período de tiempo

15. Medir 2.15Junio 2001 Medir 2.2-15
Tema 2: Colectar Datos
Cálculo del %GRyR para Datos Continuos
%GRyR = ----------------x 100
5.15
s
gage
Tolerancia
s
gage
= Variación de la medición
Tolerancia = LSE -LIE
LSE = Límite Sup. de Especificación.
LIE = Límite Inf. de Especificación.
Para tolerancias unilaterales ...
Usar el factor 2.33
s
gage
Tolerancia = LSE -media

o
media

-LIE
Siempre usa la mediahistórica
Gage RyR como % de Tolerancia (%GRyR)
5.15de la Desv. Est. contiene el
99% de la distribución normal
5.15 s
+2.575-2.575
99%
Donde:
Para Tolerancias
Bilaterales

16. Medir 2.16Junio 2001 Medir 2.2-16
Tema 2: Colectar Datos
Reglas:
1.GRyR menor que 20% -Luz VERDESistema de
Medición Aceptable.
2.GRyR 20% a 30% -Luz AMARILLA Sistema de
Medición condicionado.
3.GRyR sobre 30% -Luz ROJANo aceptable. Encuentre
el problema y remueva la causa raíz .
Gage RyR Para Datos Continuos

17. Medir 2.17Junio 2001 Medir 2.2-17
Tema 2: Colectar Datos
El Gage RyR Método Corto
Rango Promedio (R) = SR/n donde: n = número de partes
ElGageRyRMétodoCortoproporcionaráunaindicaciónrápida
delavariacióntotaldelamediciónenelprocesodeobtenciónde
datos.
Nota:ElGageRyRcortonoproporcionaráinformaciónalgunade
lacontribucióndelaRepetibilidadoReproducibilidadenla
variacióntotaldelamedición.
Parte Operador A Operador B Rango
1
2
3
4
5
Suma de Rangos:
Rango Promedio (R):
Rango = max -min

18. Medir 2.18Junio 2001 Medir 2.2-18
Tema 2: Colectar Datos
El Gage RyR Método Corto
d* Valores de la distribución de los Rangos Promedio
Número
de Partes
1
2
3
4
5
6
7
8
9
10
2 3 4 5
1.41 1.91 2.24 2.48
1.28 1.81 2.15 2.40
1.23 1.77 2.12 2.38
1.21 1.75 2.11 2.37
1.19 1.74 2.10 2.36
1.18 1.73 2.09 2.35
1.17 1.73 2.09 2.35
1.17 1.72 2.08 2.35
1.16 1.72 2.08 2.34
1.16 1.72 2.08 2.34
N ú m e r o d e O p e r a d o r e s
s
gagees calculada
dividiendo el rango
promedio entre la
constante d*; donde d*
es determinado de la
tabla inferior.
•d*se usa para el
estimado de la
Desviación Estándar
usando el rango
promedio.
•5.15 Desv. Estándar
contienen el 99% de la
distribución normal.
Cálculos:

19.1
(_____)
*
_
d
R
gages
 100
_____
(_____)15.5
100
15.5
y%
Tolerancia
RGR
gage
s
Meta: <20%

19. Medir 2.19Junio 2001 Medir 2.2-19
Tema 2: Colectar Datos
Ejemplo Estudio Corto
EstudiodelaAlturadelEnsamble
Unnuevosistemademediciónópticofuecompradopara
medirlaalturadeunensambledecomponentes.La
toleranciaparalaalturadelensamblees=2.000±0.015
pulgadas.Fueronocupadosdosoperadoresenelestudio
GageRyRparamedirlasalturasde5ensambles
.
Hoja de Cálculo de Datos:
2.000 ±0.015
ParteOperador AOperador BRango
1 2.003 2.001 0.002
2 1.998 2.003 0.005
3 2.007 2.006 0.001
4 2.001 1.998 0.003
5 1.999 2.003 0.004
0.015Suma de Rangos

20. Medir 2.20Junio 2001 Medir 2.2-20
Tema 2: Colectar Datos
Ejemplo Estudio Corto
Gage
RyR
ElErrordelsistemademedición secalculamultiplicandoel
RangoPromedioporunaConstante(4.33enelejemplo).El
valorconstantesederivadelarazón5.15/d*,donded*se
determinadelatabla.Paraelejemplo,d*=1.19,para5piezasy
2operadores.
Cálculos:
n = número de piezas
Rango Promedio, ( R ) = SR/n = .015/5 = .003
Error del Sist.de Medición (GRR) = (5.15/1.19) ( R ) = (4.33)(.003) = .013
GRR como un % de la Tolerancia = (.013X 100) /.030 = 43.3%

21. Medir 2.21Junio 2001 Medir 2.2-21
Tema 2: Colectar Datos
Procedimiento para el Estudio RyR Método Largo
Pasos
1.Generalmente de 2 a 3 operadores
2.Generalmente 10 partes (unidades o muestras) para medir
3.Cada parte se mide 2 a 3 veces por cada operador
4.Comience con el primer operador midiendo todas las muestras una vez en orden
ALEATORIO
y continúe hasta que todos los operadores terminen de medir las partes
una vez (esto es, termina la primera prueba) con las partes seleccionadas en orden
ALEATORIO
para cada operador. Nota --La etiqueta de la parte debe ser anotada en
cada medición

22. Medir 2.22Junio 2001 Medir 2.2-22
Tema 2: Colectar Datos
Procedimiento para el Estudio RyR Método Largo
5.Para las Pruebas restantes 2 y 3, repita teniendo en mente que la Prueba 2
debe terminarse antes de empezar la Prueba 3. El orden ALEATORIOpara
seleccionar las partes a ser medidas por cada operador se usa para promediar
cualquier sesgo debido a fuentes no deseadas.
6.Las pruebas RyR deben de duplicar tan cercanamente como sea posible las
condiciones normales de medición. Esto le ayudará a asegurar que se esta
obteniendo un estimado verdadero de la variación del sistema medición.

23. Medir 2.23Junio 2001 Medir 2.2-23
Tema 2: Colectar Datos
GR&R Hoja de Trabajo
Proyecto:
Fecha y Firma
Nombre del Operador:
1) Nombre del Gage :
2) Nùmero de Gage:______________
3)
Operador 1 Operador 2 Operador 3
Unidad o
Muestra
Mediciòn
1
Mediciòn
2
Mediciòn
3
Mediciòn
1
Mediciòn
2
Mediciòn
3
Mediciòn
1
Mediciòn
2
Mediciòn
31
2
3
4
5
6
7
8
9
10
GR&R Hoja de Trabajo
Proyecto:
Fecha y Firma
Nombre del Operador:
1) Nombre del Gage :
2) Nùmero de Gage:______________
3)
Operador 1 Operador 2 Operador 3
Unidad o
Muestra
Mediciòn
1
Mediciòn
2
Mediciòn
3
Mediciòn
1
Mediciòn
2
Mediciòn
3
Mediciòn
1
Mediciòn
2
Mediciòn
31
2
3
4
5
6
7
8
9
10
Procedimiento para el Estudio RyR Método Largo

24. Medir 2.24Junio 2001 Medir 2.2-24
Tema 2: Colectar Datos
Paso 1:
Ingrese los datos de la hoja de datos GRyR en la hoja de MINITAB en 3 columnas tituladas: Número de
Partes, Operadores y Datos de Medición. El orden de los datos no hace diferencia, en tanto que los datos
en cada renglón permanezcan “apareados”.
Paso 2:Seleccione Stat > Quality Tools > GRyR Studyde la barra de menú de MINITAB.
Paso 3: Seleccione los nombres ó números de columna apropiados que correspondan a: Número de Parte,
Operadores y datos de Medición en la ventana GRyR study
ANOVA RyR Para Datos Continuos
Abra el Archivo
GAGEAIAG:MTW

25. Medir 2.25Junio 2001 Medir 2.2-25
Tema 2: Colectar Datos
Paso 4:
Seleccione Options…, luego
ingrese el valor para Tolerancia
del Proceso en Process
Tolerance. Esta es la amplitud
total del intervalo de
especificación. Por ejemplo, si un
intervalo de tolerancia es +3
horas entonces la Tolerancia del
Proceso es 6 horas.
Paso 5:
Marque OKpara salir de la
ventana Options…; Marque OK
para salir de la ventana GRyR
Studyy comience el ANOVA RyR
en MINITAB.
CUIDADO:
Usted debe escribir una tolerancia de
proceso para obtener un % GRyR
ANOVA RyR Para Datos Continuos

26. Medir 2.26Junio 2001 Medir 2.2-26
Tema 2: Colectar Datos
Estudio RyR: Método ANOVA
Two-Way ANOVA Table With Interaction
Source DF SS MS F P
Part 9 2.05871 0.228745 39.7178 0.00000
Operator 2 0.04800 0.024000 4.1672 0.03256
Operator*Part 18 0.10367 0.005759 4.4588 0.00016
Repeatability 30 0.03875 0.001292
Total 59 2.24913
Source %Contribution %Study Var %Tolerance
Total Gage R&R 10.67 32.6611.44
Repeatability 3.10 17.62 6.17
Reproducibility 7.56 27.50 9.63
Operator 2.19 14.81 5.18
Operator*Part 5.37 23.17 8.11
Part-To-Part 89.33 94.52 33.09
Total Variation 100.00 100.00 35.01
Number of Distinct Categories = 4
Reporte estos números
-Verifique la
Significancia de los
valores. (p<0.05)
Análisis ANOVA RyR en MINITAB
Gage RyR de 32.66 inaceptable, el
estudio del proceso NO PUEDE
proseguir.
El % Tolerancia 11.44% marca un
sistema de medición aceptable para
ACEPTACIÖN DE PRODUCTO
Número de grupos dentro de sus datos de proceso
que puede discernir su sistema de medición
Un Valor de 5 o más denota un sistema de
medición con suficiente resolución.

27. Medir 2.27Junio 2001 Medir 2.2-27
Tema 2: Colectar Datos
Gage name:
Date of study:
Reported by:
Tolerance:
Misc:
0
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
1 2 3
Xbar Chart by Operator
Sample Mean
X=2.307
3.0SL=2.380
-3.0SL=2.235
0
0.00
0.05
0.10
0.15
1 2 3
R Chart by Operator
Sample Range
R=0.03833
3.0SL=0.1252
-3.0SL=0.00E+00
1 2 3 4 5 6 7 8 910
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
Part
Operator
Operator*Part Interaction
Average
1
2
3
1 2 3
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
Operator
By Operator
1 2 3 4 5 6 7 8 910
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
Part
By Part
%Total Var
%Study Var
%Toler
Gage R&RRepeatReprodPart-to-Part
0
50
100
Components of Variation
Percent
Ejemplo de Capacitación
Resultado Gráfico del Estudio RyR en MINITAB
Fuera de Control => Bien
Todos los puntos están fuera
de los límites de control,
indican que la variación se
debe principalmente a
diferencias entre las partes.
El error de medición es
pequeño relativo a la
variación en la parte
seleccionada. Si caen más
puntos dentro de los límites
de control, luego la variación
se debe más al sistema de
medición.
En Control => Bien
La Gráfica de Rangos muestra
la diferencia entre las
mediciones registradas más
alta y más baja para cada
combinación de
operador/parte
Esta gráfica compara el porcentaje de la variación total de
RyR (esto es la variación del sistema de medición) a la
variación parte a parte. Esto es lo que esperamos ver para un
“buen” sistema de medición. El reverso de lo que vemos aquí
es un “mal sistema de medición” (gran RyR con variación
parte a parte pequeña
Ayuda a comparar la
medición media para cada
parte. Muestra la variación
entre las partes
Ayuda en comparar las
mediciones medias para
cada operador
Ayuda en evaluar la
consistencia de los
operadores en medir cada
parte. Como cada línea
representa un operador, si
todas las líneas coinciden,
luego no hay interacción
Esta información se llena en la ventana de
Estudio Gage RyR de Minitab “gage info”. Toda
la información puesta es para propósitos de
documentar solamente y no será usada en
cálculo alguno

28. Medir 2.28Junio 2001 Medir 2.2-28
Tema 2: Colectar Datos
¡Qué tan Buen Inspector eres tú? ¡Veamos!
1.346+0.005”
Ejercicio: Estudio de la perilla
Cada equipo realizará un estudio Gage RyR
largode una muestra de perillas de
refrigerador usando sistemas de medición.
Recolección de datos:
•Cada equipo deberá escoger
al menos 3 operadores para
medir el Diam. Ext. de la pza.
•Otro miembro del equipo
deberá numerar las piezas del
1 al 10 y darselas a cada
operador en orden aleatorio.
•Los inspectores deberán
medir las piezas de manera
independiente. No deberán
colaborar mientras se
recolectan los datos.
•Todos los operadores medirán
todas las partes una vez.
•Todos los operadores
repetirán la medición al menos
una vez más.
•Otro miembro del equipo
alimentará los datos a Minitab.

29. Análisis de Sistema de Medición por
Atributos

30. Medir 2.30Junio 2001 Medir 2.2-30
Tema 2: Colectar Datos
La meta es 100% de acuerdo entre todos los
operadores y un atributo conocido
Attr_grr.xls
Herramienta Excel RyR para Atributos
Como Trabaja:
1. El verdadero atributo para cada parte o muestra puede ponerse
si se conoce (opcional)
2. La hoja acepta dos operadores o fuentes

31. Medir 2.31Junio 2001 Medir 2.2-31
Tema 2: Colectar Datos
La meta es 100% de acuerdo entre todos los
operadores y un atributo conocido
Attr_grr.xls
Herramienta Excel RyR para Atributos
3. Identificación y Datos se capturan en la hoja de Entrada de
Datos (“Data Entry”).
4. Los datos se analizan como acuerdos entre los operadores y
con el atributo declarado al principio.
5. Los resultados se resumen con representación gráfica

32. Medir 2.32Junio 2001 Medir 2.2-32
Tema 2: Colectar Datos
Attribute Gage R & R Effectiveness
SCORING REPORT
DATE:
3/10/1996
Attribute Legend
(used in computations)
NAME:
Allied Employee
1pass
PRODUCT:
3313 Spark Plug
2fail
BUSINESS:
F&SP
Must match labels used below
Known Population Robot #1 Robot "D" Robot "B" Y/N Y/N
Sample #Attribute Try #1Try #2 Try #1Try #2 Try #1Try #2Agree Agree
1 pass pass pass pass pass fail fail N N
2 pass pass pass pass pass fail fail N N
3 fail fail fail fail pass fail fail N N
4 fail fail fail fail fail fail fail Y Y
5 fail fail fail pass fail fail fail N N
6 pass pass pass pass pass pass pass Y Y
7 pass fail fail fail fail fail fail Y N
8 pass pass pass pass pass pass pass Y Y
9 fail pass pass pass pass pass pass Y N
10 fail pass pass fail fail fail fail N N
11 pass pass pass pass pass pass pass Y Y
12 pass pass pass pass pass pass pass Y Y
13 fail fail fail fail fail fail fail Y Y
14 fail fail fail pass fail fail fail N N
99
100
% APPRAISER SCORE
(1)
-> 100.00% 78.57% 100.00%
% SCORE VS. ATTRIBUTE
(2)
->78.57% 64.29% 71.43%
SCREEN % EFFECTIVE SCORE
(3)
->57.14%
SCREEN % EFFECTIVE SCORE vs. ATTRIBUTE
(4)
->42.86%
Hoja
Entrada
de Datos
...
Escriba
Identificación
Datos de cada
inspector
Atributo
verdadero
si se
conoce
Herramienta Excel RyR para Atributos

33. Medir 2.33Junio 2001 Medir 2.2-33
Tema 2: Colectar Datos
99
100
% APPRAISER SCORE
(1)
-> 100.00% 78.57% 100.00%
% SCORE VS. ATTRIBUTE
(2)
->78.57% 64.29% 71.43%
SCREEN % EFFECTIVE SCORE
(3)
->57.14%
SCREEN % EFFECTIVE SCORE vs. ATTRIBUTE
(4)
->42.86%
% Calificación de inspector:Porcentaje de pares de resultados que están en
acuerdo con cada una de las partes para un inspector dado -una medida de la
repetibilidad; META = 100%
% Calificación contra Atributo: Porcentaje de resultados del inspector que están
en acuerdo con el atributo conocido para todas las pruebas -una medida de error
contra la población conocida
% Calificación Efectiva Filtrada: Porcentaje de muestras donde todas las
apreciaciones están en acuerdo -una medida de la eficiencia general de la
inspección con respecto a cada una: META = 100%
% Efectivo Filtrado contra Atributo:Porcentaje de muestras donde todas las
apreciaciones están en acuerdo con el atributo conocido -una medida de la
eficiencia general de inspección con respecto a estándares externos
1
2
3
4
1
2
3
4
¿Qué significan los valores reportados?

34. Medir 2.34Junio 2001 Medir 2.2-34
Tema 2: Colectar Datos
Siendo diferentes
numéricamente,
los inspectores
NO son
diferentes
estadísticamente
a causa de los
intervalos de
confianza
traslapados
Hoja de
Reporte
Estadístico...
Statistical Report - Attribute Gage R&R Study
DATE:3/10/96
NAME:GE Employee
PRODUCT:3313 Cable
BUSINESS:GPO
% Appraiser %Score vs Attribute
Source Robot #1Robot "D"Robot "B"Robot #1Robot "D"Robot "B"
Total Inspected 14 14 14 14 14 14
# Matched 14 11 14 11 9 10
False Positives
1 1 3
False Negatives
2 1 1
Mixed
0 3 0
95% UCL
100.0% 95.3% 100.0% 95.3% 87.2% 91.6%
Calculated Score
100.0% 78.6% 100.0% 78.6% 64.3% 71.4%
95% LCL
76.8% 49.2% 76.8% 49.2% 35.1% 41.9%
Screen % Effective Score Screen % Effective Score vs Attribute
Total Inspected 14 14
# in Agreement 8 6
95% UCL
82.3% 71.1%
Calculated Score
57.1% 42.9%
95% LCL
28.9% 17.7%

% Appraiser
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
70.0%
80.0%
90.0%
100.0%
110.0%
Robot #1Robot "D"Robot "B"
% Efficiency
95% UCL
Calculated Score
95% LCL
% Score vs Appraiser
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
70.0%
80.0%
90.0%
100.0%
110.0%
Robot #1Robot "D"Robot "B"
% Efficiency
95% UCL
Calculated Score
95% LCL
En Conclusión...

35. Medir 2.35Junio 2001 Medir 2.2-35
Tema 2: Colectar Datos
Ejemplo
Ejercicio de la Camisa Azul
Después de que se den las instrucciones :
•No más preguntas
•No
más
comunicación (verbal o no-verbal
)

36. Medir 2.36Junio 2001 Medir 2.2-36
Tema 2: Colectar Datos
Auditoría Transaccional
Ejemplo de Estudio RyR en Auditoría Transaccional :
100 lugares de Sam’s Club están vendiendo Sistemas Suavizadores de
Agua GE. El número de unidades vendidas en la tienda se está usando en
un proyecto 6 sigma. Los datos los proporciona el Sistema de Enlace de
Menudeo de Wal-Mart. El GB necesita validar el sistema de menudeo.
Primero se investigó la recolección de datos.
•Las capturas apropiadas del código de barras dentro del sistema de
Sam’s -código, descripción y precio de venta correctos.
•Entradas de Inventarios
•Los artículos se reciben en los andenes de carga y se ingresan al
inventario, o
•Los clientes regresan artículos al servicio al cliente y se captura dentro
del sistema por el asociado.
•Salidas de Ventas
•El artículo capturado dentro del sistema en la registradora.
•Etiqueta tecleada al sistema manualmente en la registradora.

37. Medir 2.37Junio 2001 Medir 2.2-37
Tema 2: Colectar Datos
Auditoría Transaccional
7 lugaresfueron elegidos para el estudio.
Todos los Datosse evaluaronpara los 7 lugares.
Sam’s corrio un reporte completo de ventas con la cantidad de inventario para
cada lugar.
Se vendieron doce unidades a cada lugar.
Cantidad en mano = 12 -ventas
(del Sistema de Menudeo)
El GB visito cada lugar para contar físicamente la cantidad en mano.
Club # City Sell to QtyUnits SoldQOH ExpectedQOH ActualDifference
6301INDIANAPOLIS, IN
12210
6304INDIANAPOLIS, IN
12210
6313FT. WAYNE, IN
1257
6316INDIANAPOLIS, IN
1257
6325GREENWOOD, IN
1239
6424KOKOMO, IN
1248
8168FISHERS, IN
1275

38. Medir 2.38Junio 2001 Medir 2.2-38
Tema 2: Colectar Datos
Auditoría Transaccional
Resultados
Club # City Sell to QtyUnits SoldQOH ExpectedQOH ActualDifference
6301INDIANAPOLIS, IN
12210
100
6304INDIANAPOLIS, IN
12210
100
6313FT. WAYNE, IN
1257
70
6316INDIANAPOLIS, IN
1257
70
6325GREENWOOD, IN
1239
90
6424KOKOMO, IN
1248
71
8168FISHERS, IN
1275
50
# Oportunidades acuerdo = (12 u’s x 7 lugares)= 84
# desacuerdos = 1
% acuerdo = ------------=
98.8%
84 -1
84
El reporte de ventas e inventario se revisó con un asociado
en Kokomo. Encontraron que una unidad se vendió durante
la presente semana (después del reporte se genero la venta)
% acuerdo = ------------=
100%
84
84
son válidos.
Los datos
de ventas
del Sistema
de
Menudeo
son válidos.
El GB
puede
continuar
su
proyecto.

39. Medir 2.39Junio 2001 Medir 2.2-39
Tema 2: Colectar Datos
Paso 1:
Los Diagramas Causa y Efecto pueden ser usados para presentar las fuentes
potenciales de variación en el proceso de medición.
Paso 2:
Corregir la fuentes de Variación.Paso 3:
Volver a Correr el Estudio RyR para verificar la mejora.
¿Qué hacer si el Estudio RyR resulta mal?
Componentes del
Sistema de Medición
Personas Hta. Medición Material
Método Ambiente
-Recolectores de Datos
-Estándares visuales
-Equipo de prueba
automático
-Ojos del Inspector
-Micrómetros, pasa no pasa,
relojes
-Artículo a medir
-Parte
-Factura
-Respuesta de servicio
-Documentación
-Empaque, etc.
-Instrumento para sujetar
-Procedimientos
-Definiciones Operacionales
-Hojas de colección de datos
-Técnica del operador
-Controles de
Temperatura
-Controles de
Humedad
-Iluminación
-Requerimientos de Tiempo
-Instrumento de medición

40. Medir 2.40Junio 2001 Medir 2.2-40
Tema 2: Colectar Datos
Fuentes potenciales de inconsistencia e inestabilidad
Estudio de las causas y efectos

Conocimientos

Habilidad

Técnica

Capacidad

Fácil de usar

A prueba de errores

Calibración

Adecuado para utilizarlo

Documentado

Implantado

Definiciones operacionales poco
claras
Humana
Método/procedimiento –
Automatizado/manual
Materiales
Equipo

41. Medir 2.41Junio 2001 Medir 2.2-41
Tema 2: Colectar Datos

Comunique el qué y el porqué a los que recopilan
los datos y a los participantes en el proceso

Capacite a todo el que esté recopilando datos
Comenzar la recopilación de datos
Desarrollar
definiciones
operacionales y
procedimientos
Plan para la
consistencia
y estabilidad
de los datos
Comenzar la
recopilación
de datos
Continuar
mejorando la
consistencia
de la
medición
Aclarar los
objetivos de la
recopilación
de datos

42. Medir 2.42Junio 2001 Medir 2.2-42
Tema 2: Colectar Datos

Haga que los procedimientos de recopilación
de datos sean procedimientos a prueba de errores

Esté presente al principio para supervisar
la recopilación de datos

Confirme que se comprenden las definiciones
operacionales
Comenzar la recopilación de datos
Desarrollar
definiciones
operacionales y
procedimientos
Plan para la
consistencia
y estabilidad
de los datos
Comenzar la
recopilación
de datos
Continuar
mejorando la
consistencia
de la
medición
Aclarar los
objetivos de la
recopilación
de datos