Escuela Politécnica Nacional

ESCUELA POLITÉCNICA NACIONAL

FACULTAD DE CIENCIAS ADMINISTRATIVAS

PROPUESTA DE MEJORAMIENTO DEL PROCESO DE PINTURA MEDIANTE LA METODOLOGÍA SIX SIGMA, CASO: AYMESA

PROYECTO DE TITULACIÓN PREVIO A LA OBTENCIÓN DEL TÍTULO DE INGENIERO EMPRESARIAL

LALALEO LALALEO BYRON RENATO [email protected]

Director: Mat. Nelson Alomoto MSc. [email protected]

2012 i

DECLARACIÓN

Yo, Byron Renato Lalaleo Lalaleo, declaro bajo juramento que el trabajo aquí descrito es de mi autoría; que no ha sido previamente presentada para ningún grado o calificación profesional; y, que he consultado las referencias bibliográficas que se incluyen en este documento.

La Escuela Politécnica Nacional puede hacer uso de los derechos correspondientes a este trabajo, según lo establecido por la Ley de Propiedad Intelectual, por su Reglamento y por la normatividad institucional vigente.

Byron Renato Lalaleo Lalaleo

CERTIFICACIÓN

Certifico que el presente trabajo fue desarrollado por Byron Renato Lalaleo Lalaleo, bajo mi supervisión.

Mat. Nelson Alomoto

DIRECTOR

iii

AGRADECIMIENTOS

A mi madre, por ser el pilar fundamental de mi vida. A mis hermanos Alex y Karina quienes con su ejemplo y profesionalismo han sabido inculcarme el camino al éxito. Al Ing. Roberto Jiménez por la apertura brindada en la compañía AYMESA. Al Mat. Nelson Alomoto por su guía y conocimiento en el presente proyecto. Finalmente, a mis amigos quienes me brindaron su apoyo y fuerzas para seguir.

Byron Renato

DEDICATORIA

Agradezco a Dios fuente de sabiduría y entendimiento. A mi padre y madre por iluminar mi camino a lo largo de esto años.

Byron Renato

ÍNDICE DE CONTENIDO

LISTA DE FIGURAS ...... 0 LISTA DE TABLAS ...... iv LISTA DE ANEXOS ...... v RESUMEN ...... vii ABSTRACT ...... ix

1 INTRODUCCIÓN ...... 0

1.1 LA INDUSTRIA AUTOMOTRIZ ...... 1 1.1.1 INDUSTRIA AUTOMOTRIZ MUNDIAL ...... 1 1.1.2 INDUSTRIA AUTOMOTRIZ ECUATORIANA ...... 3 1.1.2.1 Evolución del sector automotriz ecuatoriano ...... 3 1.1.2.2 GM-OBB ...... 4 1.1.2.3 MARESA...... 5 1.1.2.4 COENANSA ...... 5 1.1.2.5 Aporte tecnológico ...... 5 1.1.3 EL ENCADENAMIENTO AUTOMOTRIZ ...... 6 1.1.3.1 Ensamblaje...... 6 1.1.3.2 Autopartista ...... 6 1.1.3.3 Comercialización ...... 7 1.1.3.4 Otros Actores ...... 8 1.1.4 ANÁLISIS DEL SECTOR AÑO 2010 ...... 9

1.2 DESCRIPCIÓN DE LA EMPRESA AYMESA ...... 11 1.2.1 RESEÑA HISTÓRICA ...... 11 1.2.2 UBICACIÓN ...... 12 1.2.3 LA CADENA DE PRODUCCIÓN ...... 12 1.2.3.1 Soldadura de carrocería ...... 13 1.2.3.2 Pintura ...... 15 1.2.3.3 Ensamblaje...... 17 vi

1.2.4 FODA ...... 19

1.3 DESCRIPCIÓN DEL PROBLEMA ...... 20

1.4 OBJETIVO GENERAL Y ESPECÍFICOS ...... 21 1.4.1 OBJETIVO GENERAL ...... 21 1.4.2 OBJETIVOS ESPECÍFICOS ...... 21

1.5 JUSTIFICACIÓN DEL PROYECTO ...... 21

2 MARCO TEÓRICO ...... 23

2.1 ANTECEDENTES DEL SIX SIGMA ...... 23 2.1.1 DESARROLLO HISTÓRICO ...... 23 2.1.2 ESTADÍSTICA DESCRIPTIVA ...... 23 2.1.2.1 Medidas de tendencia central o localización ...... 24 2.1.2.1.1 Media Aritmética ...... 24 2.1.2.1.2 Mediana ...... 24 2.1.2.1.3 Moda ...... 25 2.1.2.2 Medidas de dispersión o variabilidad ...... 25 2.1.2.2.1 Desviación estándar ...... 25 2.1.2.2.2 Rango ...... 26 2.1.3 CONCEPTOS BÁSICOS DE PROBABILIDAD ...... 26 2.1.3.1 Variable aleatoria ...... 26 2.1.3.1.1 Variable aleatoria discreta ...... 26 2.1.3.1.2 Variable aleatoria continua ...... 27 2.1.3.1.3 Función probabilidad ...... 27 2.1.3.2 Distribuciones de probabilidad ...... 27 2.1.3.2.1 Distribución Binomial ...... 27 2.1.3.2.2 Distribución Poisson ...... 28 2.1.3.2.3 Distribución Normal ...... 29 2.1.4 CONTROL ESTADÍSTICO DE PROCESO ...... 31 2.1.4.1 Análisis de la capacidad de un proceso ...... 31 2.1.4.1.1 Razón de la capacidad de un proceso ...... 31 2.1.4.1.2 Índice de capacidad real ...... 33 2.1.4.1.3 Medición en defectos de partes por millón ...... 35 2.1.4.2 Gráfica de control para variables ...... 35 vii

2.1.4.2.1 Gráfica ...... 35 2.1.4.2.2 Gráfica ...... 36 2.1.4.3 Técnicas de muestreo...... 36 2.1.4.4 Distribución muestral ...... 37 2.1.4.4.1 Distribución muestral de las medias ...... 37 2.1.5 DISEÑO DE EXPERIMENTOS ...... 38 2.1.5.1 Diseño factorial ...... 39 2.1.5.2 Matriz de diseños ...... 39

2.2 DEFINICIONES DEL SIX SIGMA ...... 40 2.2.1 QUE ES SIX SIGMA ...... 40 2.2.2 GESTIÓN DE CALIDAD TOTAL Y SIX SIGMA ...... 41 2.2.3 LA VARIABILIDAD ...... 42 2.2.3.1 Ingeniería de calidad ...... 43 2.2.3.2 Causas Comunes ...... 44 2.2.3.3 Causas Especiales ...... 44

2.3 PROCESO DMAMC ...... 44 2.3.1 FASE DEFINIR ...... 46 2.3.2 FASE MEDIR...... 46 2.3.3 FASE ANALIZAR ...... 46 2.3.4 FASE MEJORAR ...... 46 2.3.5 FASE CONTROLAR ...... 46

2.4 ESTRUCTURA HUMANA ...... 47

2.5 HERRAMIENTAS DE APOYO ...... 47 2.5.1 CARTA DEL PROYECTO ...... 48 2.5.2 MATRIZ DE PRIORIZACIÓN ...... 48 2.5.3 DIAGRAMA DE PARETO ...... 48 2.5.4 DIAGRAMA DE FLUJO ...... 48 2.5.5 DIAGRAMA SIPOC ...... 49 2.5.6 DIAGRAMA CAUSA EFECTO...... 49 2.5.7 DIAGRAMA DE DISPERSIÓN ...... 49 2.5.8 ANÁLISIS MULTI-VARI ...... 49 2.5.9 ANÁLISIS DE FALLAS POTENCIALES (FMEA) ...... 50 2.5.10 LLUVIA DE IDEAS (BRAINWRITTING) ...... 50 viii

2.5.11 DIAGRAMA DE ÁRBOL ...... 50 2.5.12 ÁRBOL DE CONTINGENCIAS (PDPC) ...... 50

3 METODOLOGÍA ...... 51

3.1 DESCRIPCIÓN DE LOS PROCESOS ...... 51 3.1.1 MAPA DE PROCESOS ...... 51 3.1.1.1 Procesos Productivos ...... 51 3.1.1.2 Procesos Gobernantes ...... 52 3.1.1.3 Procesos de apoyo ...... 52 3.1.2 ESQUEMA GENERAL DEL PROCESO (SIPOC) ...... 54 3.1.3 DESCRIPCIÓN DEL PROCESO ...... 54 3.1.4 REPRESENTACIÓN GRÁFICA DEL PROCEDIMIENTO ...... 54

3.2 APLICACIÓN DEL SIX SIGMA ...... 56 3.2.1 DEFINIR ...... 56 3.2.1.1 Definir el foco de mejora ...... 56 3.2.1.2 Identificación de las características críticas ...... 59 3.2.1.3 Definición de parámetros de desempeño ...... 60 3.2.1.4 Definición de procesos críticos...... 62 3.2.1.5 Diagrama de Pareto ...... 63 3.2.1.6 Diagrama SIPOC – Macro ...... 65 3.2.1.7 Formalización del proyecto ...... 65 3.2.2 MEDIR ...... 67 3.2.2.1 Evaluación del sistema de medición ...... 67 3.2.2.2 Estabilidad y capacidad del proceso respecto a la variable de espesor ... 69 3.2.2.3 Estabilidad y capacidad del proceso respecto a la variable brillo ...... 71 3.2.2.4 Estabilidad y capacidad del proceso respecto a la variable flujo ...... 72 3.2.2.5 Estabilidad y capacidad del proceso respecto a la variable temperatura cabina 74 3.2.2.6 Estabilidad y capacidad del proceso respecto a la temperatura de horno 75 3.2.3 ANALIZAR ...... 78 3.2.3.1 Diagrama de árbol causa-efecto ...... 78 3.2.3.2 Diagrama de dispersión ...... 80 3.2.3.3 Diagrama de caja ...... 81 ix

3.2.3.4 Análisis Multi-Vari ...... 83 3.2.3.5 Análisis de modos de fallos y efectos /fallas potenciales ...... 86

4 PLAN DE MEJORA ...... 88

4.1 MEJORAR ...... 88 4.1.1 DIAGRAMA DE ÁRBOL (PLAN DE ACCION)...... 88 4.1.2 ÁRBOL DE CONTINGENCIA ...... 90

4.2 PLAN DE IMPLEMENTACION ...... 96 4.2.1 CONSIDERACIONES PRÁCTICAS ...... 97 4.2.2 DISEÑO DE EXPERIMENTOS ...... 101 4.2.3 CRONOGRAMA ...... 104

5 CONCLUSIONES Y RECOMENDACIONES ...... 108

5.1 CONCLUSIONES ...... 108

5.2 RECOMENDACIONES ...... 109

REFERENCIAS ...... 111

ANEXOS ...... 115

LISTA DE FIGURAS

Figura 1.1 - Cadena de mercadeo ...... 7 Figura 1.2 - Estructura Del Sector Automotor Ecuatoriano ...... 8 Figura 1.3 - Evolución de las ventas de vehículos ...... 10 Figura 1.4 - Ventas de Vehículos por Marca (Top 10 del 2010) ...... 10 Figura 1.5 - Vehículo Andino ...... 11 Figura 1.6 - Descripción del proceso de producción ...... 13 Figura 1.7 - Jig de soldadura ...... 13 Figura 1.8 - Área de remate ...... 14 Figura 1.9 - Montado de puertas...... 14 Figura 1.10 - Cubas de la planta de ELPO ...... 15 Figura 1.11 - Cabina de lijado y sellado ...... 16 Figura 1.12 - Cabina de pintura de fondo ...... 16 Figura 1.13 – Aplicación de color y brillo ...... 17 Figura 1.14 - Cabina de control de calidad...... 17 Figura 1.15 - Preparación de tablero ...... 18 Figura 1.16 – Montado de motor ...... 18 Figura 2.1 - Distribución Binomial con η=5 y ρ=.5 ...... 28 Figura 2.2 - Distribución de Poisson con μ=8 y η=20 ...... 29 Figura 2.3 - Distribución normal con μ=50 y σ=2; 4; 8 ...... 30 Figura 2.4 - La Estadística en el proceso de toma de decisión ...... 30 Figura 2.5 - Gráfica de control de los límites específicos y del proceso ...... 31 Figura 2.6 - Procesos potencialmente capaces ...... 32 Figura 2.7 - para Six Sigma ...... 33 Figura 2.8 - Índice de valor real ...... 34 Figura 2.9 - para Six Sigma ...... 34 Figura 2.10 - Comparación entre y ...... 37 Figura 2.11 – Aspectos de la planeación experimental ...... 38 Figura 2.12 – Matriz de diseño ...... 39 ii

Figura 2.13 – Representación gráfica del experimento 2 3 ...... 40 Figura 2.14 - Enfoque del travesaño de portería ...... 43 Figura 2.15 - Función de pérdida de la calidad ...... 44 Figura 2.16 - Uso del DMAMC en un proyecto de Six Sigma ...... 45 Figura 3.1 – Propuesta mapa de procesos de AYMESA ...... 53 Figura 3.2 - Características críticas de satisfacción...... 59 Figura 3.3 - Parámetros Críticos del Producto ...... 61 Figura 3.4 - Parámetros Críticos del Proceso ...... 62 Figura 3.5 – Diagrama de Pareto de defectos ...... 64 Figura 3.6 – Diagrama de Pareto de ubicación ...... 64 Figura 3.7 - Diagrama SIPOC – nivel macro del proceso de producción ...... 65 Figura 3.8 – Estudio R&R del sistema de medición de brillo ...... 68 Figura 3.9 – Estudio R&R del sistema de medición de espesor ...... 68 Figura 3.10 – Análisis de estabilidad de la variable espesor ...... 70 Figura 3.11 – Análisis de capacidad de la variable espesor ...... 70 Figura 3.12 – Análisis de estabilidad de la variable brillo ...... 71 Figura 3.13 – Análisis de capacidad de la variable brillo ...... 72 Figura 3.14 – Análisis de estabilidad de la variable flujo ...... 73 Figura 3.15 – Análisis de capacidad de la variable flujo ...... 73 Figura 3.16 – Análisis de estabilidad de la variable temperatura de cabina...... 74 Figura 3.17 – Análisis de capacidad de la variable temperatura de cabina ...... 75 Figura 3.18 – Análisis de estabilidad de la variable horno-radiación ...... 76 Figura 3.19 – Análisis de capacidad de la variable horno-radiación ...... 76 Figura 3.20 – Análisis de estabilidad de la variable horno-convección ...... 77 Figura 3.21 – Análisis de capacidad de la variable horno-convección ...... 77 Figura 3.22 – Diagrama de Ishikawa de la variable brillo ...... 78 Figura 3.23 – Diagrama de Ishikawa de la variable espesor ...... 79 Figura 3.24 – Diagrama de Ishikawa de defecto MPL-MLJ ...... 79 Figura 3.25 – Diagrama de Ishikawa de defecto SUC ...... 80 Figura 3.26 – Relación entre CF4 y Temperatura ...... 80 Figura 3.27 – Diagrama de caja sobre flujo derecho e izquierdo ...... 81 Figura 3.28 – Diagrama de caja sobre espesor horizontal y vertical ...... 82 Figura 3.29 – Análisis Multi-vari sobre flujo ...... 83 iii

Figura 3.30 – Análisis Multi-vari sobre espesores ...... 84 Figura 3.31 – Análisis multi-vary de posición de espesores ...... 85 Figura 4.1 - Diagrama de árbol de objetivos ...... 89 Figura 4.2- Estructura de árbol de contingencias ...... 90 Figura 4.3 – Árbol de contingencias para injerencia de personal ...... 90 Figura 4.4 - Árbol de contingencias para capacitación técnica ...... 91 Figura 4.5 - Árbol de contingencias para capacitación en herramientas estadísticas ...... 91 Figura 4.6 - Árbol de contingencias para capacitación en software ...... 92 Figura 4.7 - Árbol de contingencias para delegar funcionario ...... 92 Figura 4.8 - Árbol de contingencias para información estadística de proveedores ...... 92 Figura 4.9 - Árbol de contingencias para información estadística de AYMESA ...... 93 Figura 4.10 - Árbol de contingencias para adquirir manómetros y termómetros ...... 93 Figura 4.11 - Árbol de contingencias para adquirir Espesímetro ...... 94 Figura 4.12 - Árbol de contingencias para auditar niveles de iluminación ...... 94 Figura 4.13 - Árbol de contingencias para socializar plan de mantenimiento ...... 95 Figura 4.14 - Árbol de contingencias para protección de partículas ...... 95 Figura 4.15 - Árbol de contingencias para control estadístico de cámara ...... 96 Figura 4.16 – Paneles de la puerta delantera y trasera ...... 98 Figura 4.17 – Diseño factorial en Minitab...... 103 Figura 4.18 – Viabilidad financiera del proyecto ...... 107

LISTA DE TABLAS

Tabla 1.1 - Ranking Mundial de Fabricantes de Automotores ...... 3 Tabla 1.2 - Producción de Vehículos por Ensambladoras ...... 9 Tabla 2.1 - Comparación entre gestión de calidad y seis sigma ...... 42 Tabla 3.1 - Inventario de procesos ...... 53 Tabla 3.2 – Simbología ANSI para el diagrama de flujo ...... 55 Tabla 3.3 – Matriz de priorización de criterios...... 57 Tabla 3.4 – Matriz de priorización del criterio defectos bajo costo ...... 57 Tabla 3.5 - Matriz de priorización del criterio facilidad de implementación ...... 58 Tabla 3.6 - Matriz de priorización del criterio accesibilidad a información ...... 58 Tabla 3.7 - Matriz de priorización del criterio etapa crítica del proceso ...... 58 Tabla 3.8 - Matriz de priorización del criterio reducido costo de mantenimiento ...... 58 Tabla 3.9 – Matriz síntesis para la determinación del proceso clave ...... 59 Tabla 3.10 - Valoración del IIC y GNC ...... 60 Tabla 3.11 - Matriz CTS priorizada ...... 60 Tabla 3.12 - Matriz CTY priorizada ...... 61 Tabla 3.13 - Matriz CTX priorizada ...... 63 Tabla 3.14 – Carta del proyecto ...... 66 Tabla 3.15 – Equipos de medición ...... 69 Tabla 3.16 – Matriz síntesis del estado actual de variables ...... 78 Tabla 3.17 – Criterio para índice de severidad ...... 86 Tabla 3.18 – Criterio para índice de ocurrencia ...... 86 Tabla 3.19 – Matriz AMFE de CTX´s ...... 87 Tabla 4.1 – Matriz de la propuesta de mejora ...... 97 Tabla 4.2 – Diseño del experimento ...... 102 Tabla 4.3 – Cronograma de la propuesta ...... 105 Tabla 4.4 - Costos estimados de la propuesta ...... 106

LISTA DE ANEXOS

ANEXO A - Marcas y modelos de automotores ensamblados ...... 115 ANEXO B.1 - Calidad de corto y largo plazo en términos DPMO y en nivel de calidad sigma (Z)...... 117 ANEXO B.2 - Valores del Cp y su interpretación ...... 118 ANEXO B.3 - Índice Cp en términos de piezas malas ...... 119 ANEXO C - Factores para calcular la gráfica x-barra y gráfica R ...... 120 ANEXO D - Proceso DMAMC y herramientas Green Belt ...... 121 ANEXO E.1 - SIPOC del proceso de Soldadura de Carrocería ...... 122 ANEXO E.2 - SIPOC del proceso de ELPO ...... 123 ANEXO E.3 - SIPOC del proceso de Primer ...... 124 ANEXO E.4 - SIPOC del proceso de Aplicación de Esmalte ...... 125 ANEXO E.5 - SIPOC del proceso de Ensamblaje General ...... 125 ANEXO F.1 - Descripción del proceso de Soldadura de Carrocería ...... 127 ANEXO F.2 - Descripción del subproceso de ELPO ...... 128 ANEXO F.3 - Descripción del subproceso de Primer ...... 129 ANEXO F.4 - Descripción del subproceso de Esmalte ...... 130 ANEXO F.5 - Descripción del proceso de Ensamble General ...... 131 ANEXO G.1 - Representación gráfica del procedimiento de Soldadura de Carrocería ... 132 ANEXO G.2 - Representación gráfica del procedimiento ELPO...... 133 ANEXO G.3 - Representación gráfica del procedimiento Primer ...... 134 ANEXO G.4 - Representación gráfica del procedimiento Aplicación Esmalte ...... 135 ANEXO G.5 - Representación gráfica del procedimiento Ensamble General ...... 136 ANEXO H.1 - Datos y códigos para el diagrama de Pareto ...... 137 ANEXO H.2 - Histórico de diagramas de Pareto correspondiente a los meses de octubre y noviembre de 2011 ...... 138 ANEXO I.1 - Distribución física de esmalte ...... 139 ANEXO I.2 - Fotografías del área de esmalte ...... 140 vi

ANEXO J - Plan de muestreo sistemático ...... 141 ANEXO K.1 - Datos para el estudio R&R sobre brillo ...... 142 ANEXO K.2 - Resultados del estudio R&R sobre brillo (Software Minitab) ...... 143 ANEXO L.1 - Datos para el estudio R&R sobre variable espesor ...... 144 ANEXO L.2 - Resultados del estudio R&R sobre espesor (Software Minitab) ...... 145 ANEXO M - Equipos de medición con certificado de calibración ...... 146 ANEXO N.1 - Especificaciones acerca de las variables de estudio ...... 148 ANEXO N.2 - Datos para el estudio de capacidad (Espesor y brillo) ...... 149 ANEXO N.3 - Datos para el estudio de capacidad de Flujo, temperatura de cabina y temperatura de horno ...... 150 ANEXO O - Curva de viscosidad del barniz ...... 152

vii

RESUMEN

El presente proyecto es una propuesta de mejoramiento para el proceso de pintura de la ensambladora de automóviles AYMESA; diseñado a través de la metodología Six Sigma. Contiene el desarrollo de las fases DMAMC: Definir, Medir, Analizar y Mejorar. Se realiza un análisis situacional de la empresa, mapeo de procesos de la cadena productiva y la identificación de las causas potenciales.

El primer capítulo trata sobre la industria automotriz mundial y local, se identifican los actores que intervienen en el encadenamiento. Luego se estudia a la compañía detallando las actividades productivas, junto a una descripción del análisis de Fortalezas, Oportunidades, Debilidades y Amenazas (FODA) y se plantea el problema a solucionar en el proyecto.

El segundo capítulo revisa la base teórica, abarca aspectos relacionados como: estadística, probabilidad y Six Sigma; explica cada una de las fases del DMAMC así como las herramientas estadísticas y de gestión.

En el tercer capítulo se desarrollan las fases Definir, Medir y Analizar. En primer lugar se define cual es el foco de mejora y las características críticas para formalizar el proyecto. Luego se mapean los procesos y se validan los sistemas de medición para realizar el análisis de estabilidad y capacidad. Por último, junto a los responsables del proceso se estudian las causas potenciales y se seleccionan las causas primarias.

El cuarto capítulo contiene la propuesta del proyecto, enmarcada en la fase Mejorar, donde se evalúa el modo de riesgos/fracasos, se optimizan las herramientas del proceso y se generan soluciones, luego éstas se validan para ser desarrolladas en el plan de mejora. La propuesta tiene un conjunto de alternativas para mejorar el desempeño de los procesos; se sugiere la adquisición viii de equipos y software, además de reforzar planes de mantenimiento y comunicación organizacional.

En el quinto capítulo se presentan las conclusiones y recomendaciones a las que se llegó en la presente investigación.

Palabras clave: Six Sigma, calidad, pintura.

ABSTRACT

This Project is a proposal for improvement in the painting process at Aymesa. This has been designed trough Six Sigma methodology. Contains the development of DMAIC phases: Define, Measure, Analyze and Improve. It analyzes the company real situation, process mapping of the production chain and the identification of potential causes.

The first chapter talks about the global and local automotive industry, and identifies the actors in the chain. It also contains a study of the company, giving a detail of the productive activities with an analyze of Strengths, Weaknesses, Opportunities and Threatens (SWOT) and proposes the problem we are going to solve in the project.

The second chapter is about the theoretical basis and other aspects such as: statistics, probability and Six Sigma. It explains every DMAIC phases and all the statistics and management tools.

In the third chapter are developed the DMAIC phases: Define, Measure, and Analyze. At the beginning is defined what the focus of improvement is and the critical characteristics in order to formalize the project. This chapter includes the process mapping, the measurement system validation to make the stability and capability analysis. Finally, it analyzes the information obtained along with the principals of the process and is studied the potential causes and are selected primary causes. Finally, with the principals of the process study the potential causes and are selected the primary causes.

The fourth chapter contains the project proposal, framed in the Improve phase. In this phase is evaluated the way risks/ failures, the process tools are optimized and solutions are given, then they are validated in order to be developed in the improvement plan. The final proposal has of a group of alternatives to improve x process performance, which suggests the purchase of equipment and software, and maintenance plans and organizational communication.

In the fifth chapter are presented the conclusions and recommendations after doing this investigation.

Key words: Six Sigma, Quality, paint 1

1 INTRODUCCIÓN

1.1 LA INDUSTRIA AUTOMOTRIZ

1.1.1 INDUSTRIA AUTOMOTRIZ MUNDIAL

A inicios del siglo XX, Henry Ford revolucionó la industria automotriz, transformando el ensamblaje artesanal de piezas en la verdadera era industrial. Gracias a las cadenas de montaje obtuvo para la época una producción hasta entonces inigualable que consistía en: fabricar un gran número de vehículos de bajo costo, líneas de montaje mecanizado en cadena, trabajadores con elevados salarios y la utilización de maquinaria especializada. Este sistema fue mejorado por otros competidores, como el caso de General Motors Corporation (GM); que empleó estudios para conocer la operación de la organización, basados en la especialización del trabajo; asignando tareas concretas y repetitivas a los obreros, que a la final fueron fácilmente controlables por los supervisores de sitio optimizando el uso de recursos (Quiroz Trejo, 2010).

Luego de la Segunda Guerra Mundial, en Japón se aplicaron técnicas de análisis cualitativo dentro de las cadenas de producción, por parte de William Edwards Deming, que impartió conocimientos de control estadístico de la calidad y cambió la reputación de los artículos producidos Made in Japan , los que eran considerados de calidad inferior y no aptos para competir en mercados extranjeros. Tal es el caso de Toyota Motor Corporation que exportó el primer automóvil japonés a los Estados Unidos de América (EUA) debido a la distinta organización y fabricación de vehículos basados en el Sistema de Producción de Toyota (SPT) que a partir de los años 50`s aumentó la productividad y alcanzó el reconocimiento mundial. En los años 70`s, la crisis del petróleo provocó un giro en la producción industrial, se necesitó de un automóvil compacto y de consumo eficiente, por lo que el denominado milagro japonés atendió la demanda mundial enfocado en una estrategia de calidad, reduciendo la participación de mercado de las empresas de EUA y obligando al primer productor de tecnología de ese 2 entonces a redefinir su táctica global (Mortimore & Barron, 2005). Años después las ensambladoras japonesas Toyota y Honda consiguieron reducir tiempos para la terminación de automóviles y eliminaron errores de ensamblajes por miles en línea. En EUA las empresas automotrices atravesaron problemas de eficiencia y productividad, reflejados en el despido de obreros y medidas que restringían el ingreso de autos japoneses. La cuota de mercado de fabricantes de Europa y EUA se limitó porque las estrategias que emplearon no se asemejaron con los beneficios del SPT (Aquino, 1999; Cruz, 2010).

En el 2008, la crisis financiera global afectó a la industria, fabricantes de todo el mundo incluyendo a los tres grandes de Detroit: GM, Ford y Chrysler vieron como sus ventas se desplomaban; terminando en la quiebra de las dos automotrices más importantes del país (CNN, 2009). La quiebra se debió al elevado costo de las materias primas y el aumento del precio del petróleo, que en el 2008 y 2009 registró promedios de USD 94.95 y USD 61.06 respectivamente. El 2010 se presentó como un lapso de parcial recuperación, aunque todavía no se han alcanzado los niveles de producción y ventas que tuvieron en años anteriores (OPEC, 2011). La crisis mostró vulnerable a la industria que se caracterizó por ser una de las más dinámicas, competitivas y con mayores niveles tecnológicos. El mercado cambió tanto que: “Tianjin Xiali, Chery y Geely son marcas que, según estadísticas oficiales, están tomando una creciente proporción en mercados internacionales, por lo que las llamadas tres grandes de Norteamérica continúan en la búsqueda de nuevas estrategias para resistir la competencia asiática ” (Capital Management Solutions, 2008, pág. 18). Dentro del top 10 de las gigantes automotrices, Toyota logró posicionarse como el primer fabricante dejando de lado a GM que encabezaba la lista por tradición (véase la Tabla 1.1).

Tabla 1.1 - Ranking Mundial de Fabricantes de Automotores

Año 2010 (En unidades) Rank Grupo Total Autos LCV HCV Pesados TOTAL 77.743.862 60.343.756 13.370.432 3.510.681 518.993 1 TOYOTA 8.557.351 7.267.535 1.080.357 204.282 5.177 2 G.M. 8.476.192 6.266.959 2.197.629 1.175 10.429 3 VOLKSWAGEN 7.341.065 7.120.532 220.533 4 HYUNDAI 5.764.918 5.247.339 393.701 123.878 5 FORD 988.031 2.958.507 1.962.734 66.790 6 NISSAN 3.982.162 3.142.126 738.833 71.203 7 HONDA 3.643.057 3.592.113 50.944 8 PSA 3.605.524 3.214.810 390.714 9 SUZUKI 2.892.945 2.503.436 389.509 10 RENAULT 2.716.286 2.395.876 320.410 LCV: Light Commercial Vehicles HCV: Heavy Commercial Vehicles

(Organización Internacional de Constructores de Automóviles OICA, 2011)

1.1.2 INDUSTRIA AUTOMOTRIZ ECUATORIANA

1.1.2.1 Evolución del sector automotriz ecuatoriano

La Segunda Guerra Mundial dio un gran impulso a la economía ecuatoriana, se inició la agro exportación con el auge de la siembra del banano en reemplazo del cacao, dinamizó el comercio exterior y dio la apertura a nuevas fronteras agrícolas. En la década del 60, la industria automotriz ecuatoriana se forjó a partir de la adopción del modelo de industrialización por sustitución de importaciones, impulsado por la Comisión Económica para América Latina y el Caribe (CEPAL) y la integración del país al Pacto Andino (actualmente Comunidad Andina de Naciones, CAN) que mediante la suscripción del Acuerdo de Cartagena en 1969, buscó el desarrollo integral, equilibrado y autónomo de todos los miembros fortaleciendo los programas sectoriales industriales.

En un inicio, la industria se caracterizó por el escaso mercado interno para la comercialización, la efímera competencia y la dependencia en las importaciones de materias primas y repuestos. En las siguientes décadas, se inició el desarrollo de la industria con el establecimiento de las siguientes ensambladoras: 4

Autos y Maquinarias del Ecuador S.A. (AYMESA) Ómnibus BB Transportes S.A. (GM-OBB) Manufacturas Armadurías y Repuestos del Ecuador S.A. (MARESA) Corporación Ensambladora Automotriz Nacional S.A. (COENANSA)

Todas pertenecientes a grupos financieros del país, que tuvieron inversiones en empresas vinculadas al sector en la ramas de la comercialización de repuestos, lubricantes, mantenimiento e importación de vehículos. Revista Líderes (2010) señala que: “El siguiente impulso importante que tuvo el sector automotor nacional ocurrió en 1988, cuando el gobierno de León Febres-Cordero lanzó su plan de Vehículo Popular. Ese año se ensamblaron 12.127 automóviles de los modelos Suzuki Forsa y Fiat Uno.” (pág. 12). En el año de 1993, se formó la Zona de Libre Comercio (ZLC) entre Bolivia, Colombia, Ecuador, Venezuela y Perú con la finalidad de brindar un espacio donde circulen libremente las mercaderías, eliminando los aranceles de la sub región. Además se firmó el Convenio de Complementación entre Colombia, Ecuador y Venezuela, para que la producción de automóviles de los tres países suscriptores no compita entre sí y más bien se complemente.

1.1.2.2 GM-OBB

El 16 de octubre de 1975 se fundó OBB, en asociación del grupo económico Pinto con el inmigrante húngaro Bela Botar (Fundación José Peralta, 2003). Al final de la década de los ochenta participó en el programa de Vehículo Popular. En 1981 GM se integró como accionista a OBB y, a partir de esa fecha han ensamblado automóviles, camionetas y todoterrenos tales como: Blazer, Trooper, Vitara, Luv entre otros. En los noventa ejecutó el Sistema de Calidad Total. Además, implementó el sistema anticorrosión ELPO. Tiene certificaciones como ISO 9001, ISO 14001 y destina su producción a los mercados de Colombia, Venezuela y Chile. Genera empleo a más de 1600 trabajadores directos y 6500 colaboradores en concesionarios y empresas proveedoras. En la planta se ensamblan 220 vehículos diarios (Superbrands, 2010). 5

1.1.2.3 MARESA

La ensambladora MARESA, en sus inicios perteneció al Grupo económico Amazonas: Morisáenz-Granda (Fundación José Peralta, 2003). Fue constituida el 18 de agosto de 1976, es una empresa dedicada al ensamblaje y distribución de vehículos Mazda a nivel nacional, pertenece a la Corporación Maresa Holding. Entre las empresas que conforman el holding se encuentran: Maresa Ensambladora, Mazmotors, Comercial Orgu, Avis Rent A Car. Maresa Ensambladora se encuentra certificada bajo la Norma Internacional ISO 9001, además cumple con las normas OHSAS 18001 e ISO 14001. Generan alrededor de 500 puestos de trabajo directos (CINAE, 2008; Corporación Maresa, 2011)

1.1.2.4 COENANSA

Operó de 1991 hasta 1996, fue la última planta ensambladora de automotores establecida en el Ecuador; se ubicó en Manta (fue la primera establecida en el litoral ecuatoriano) y ensambló autos de la línea Fiat y Mitsubishi (Explored, 1994).

1.1.2.5 Aporte tecnológico

Las empresas ensambladoras y productoras de autopartes han logrado reconocimiento por la calidad de sus productos; están calificadas con normas internacionales de calidad especiales para la industria automotriz como la QS 9000 y la norma ISO TS 16949:2002, más avanzada que la anterior. También aplican otras normas como la ISO 14.000 sobre medio ambiente y la 18.000 [ …] las empresas ensambladoras, conjuntamente con las industrias autopartistas, se encuentran trabajando en el Modelo de Gestión para la Competitividad (MGC), el mismo que busca el mejoramien- to y sostenibilidad de la competitividad global del sector automotor ecuatoriano, integrando herramientas del GMS (Global Manufacturing System). Se busca entonces asegurar la permanencia de la industria de 6

auto partes y de ensamblaje como industrias de producción nacional, se desea implementar la cultura de la excelencia en la gestión, además de lograr niveles de desempeño de clase mundial (clase A) en los proveedores, en términos de calidad, costo y entrega. (CINAE, 2008, pág. 7).

1.1.3 EL ENCADENAMIENTO AUTOMOTRIZ

Ortega (2005) describe al encadenamiento de las ensambladoras nacionales como un conjunto de actividades que aportan valor al desarrollo de la industria manufacturera, a partir de la suscripción de contratos con las firmas internacionales que las representan para otorgar la licencia de ensamblaje y distribución. Están involucradas al menos 14 ramas de actividad económica, de acuerdo a la Clasificación Internacional Industrial Uniforme (CIIU), entre las cuales se encuentran:

Metalmecánica Petroquímica Textil Servicios y transferencia tecnológica

1.1.3.1 Ensamblaje

El proceso de ensamblaje parte en la importación de los vehículos totalmente desarmados o también llamado CKD (en inglés Complete Knock Down), los autopartistas proveen las piezas y partes para completar la unidad, estos son nacionales y regionales (suscriptores del Convenio de Complementación) una vez terminados se envían a los respectivos concesionarios para su venta.

1.1.3.2 Autopartista

El sector autopartista está conformado por Pequeñas y Medianas Empresas (PYME´S), la mayoría opera en la ciudad de Quito, debido a la ubicación de las 7 tres ensambladoras; además existe una pequeña red de autopartistas en la provincia de Tungurahua.

1.1.3.3 Comercialización

La comercialización se realiza por medio de concesionarios y distribuidores; la cadena de mercadeo tiene dos tipos de proveedores: las importadoras y ensambladoras, cada uno entrega a los agentes de comercialización (concesionarios) para que se encarguen de ofertar los vehículos a los clientes como se muestra en la Figura 1.1. El servicio post venta es proporcionado por los concesionarios y talleres de servicio para el mantenimiento y reparación de automotores.

Ensambladora Concesionario y Consumidor distribuidores

Importadora

Figura 1.1 - Cadena de mercadeo Modificado (Ortega Bardellini, 2005)

1.1.3.4 Otros Actores

Los organismos reguladores dentro del encadenamiento son: Ministerio de Industrias y Productividad (MIPRO), Ministerio de Transporte y Obras Públicas (MTOP), Comisión de Tránsito del Ecuador (CTE), la Cámara de Comercio de Quito (CCQ) y la Cámara de Comercio de Guayaquil (CCG), instituciones financieras y otras (véase la Figura 1.2).

Sector Automotriz

Instituciones de Apoyo Producción Comercialización Usuarios Órganos Reguladores y Empresas Relacionadas

Asociación de Empresas Cámaras de Comercio y de Confederación de Ensambladoras Automotrices del Ecuador MIPRO Industrias de Quito y Asociación de Transportes (AEADE) Guayaquil

Federación Nacional de Cámara Nacional Asociación Ecuatoriana Transporte Pesado del CTE Bancos y Financieras Automotriz Automotriz (AEA) Ecuador (FENATRAPE)

Asociación Ecuatoriana Federación Nacional de Asociación de Fabricantes Automotriz del Austro Transporte Escolar e Policia Nacional Compañías de Seguro de Autopartes (AEADA) Institucional (FENATEI)

Asociaciones y Federación Nacional de Compañías de Servicio y Agrupaciones a nivel Concesionarios Cooperativas de Taxis MTOP Mantenimiento provincial (FEDOTAXIS)

Uniones de Transportistas Distribuidores Federaciones menores

Usuarios

Almacenes de repuestos

Figura 1.2 - Estructura Del Sector Automotor Ecuatoriano Modificado (Ortega Bardellini, 2005)

1.1.4 ANÁLISIS DEL SECTOR AÑO 2010

Según datos de la CINAE (2011), el parque automotor ecuatoriano está conformado por 1.999.056 vehículos a diciembre 2010, en su mayoría ubicados en las dos ciudades más pobladas del país: Quito y Guayaquil que captan más del 50% del total de vehículos donde predominan las marcas Chevrolet, Suzuki y Toyota. La clase de vehículos más adquirida son los automóviles, motocicletas y camionetas comprados en los años 2000-2009, caracterizando un parque automotor relativamente nuevo. En términos de producción 2010 (véase la Tabla 1.2) lidera OMNIBUS BB con 54.165 unidades que representa el 71.03%, seguida de AYMESA con el 17.17% y MARESA con 11.80%.

Tabla 1.2 - Producción de Vehículos por Ensambladoras

Ensambladora Tipo de Vehículo Producción (Unidades) Automóviles 6.499 AYMESA Todo Terreno 4.802 17,17% Furgonetas 1.791 MARESA Camionetas 8.995 11,80% Automóviles 20.065 GM-OBB Todo Terreno 19.796 71,03% Camionetas 14.304 TOTAL 76.252

Modificado (CINAE, 2011)

Las ventas del sector están constituidas por la producción nacional (parte de esta es exportada) y por las importaciones. El año 2010 fue un récord por comercializar la mayor cantidad de vehículos en todos los tiempos (véase la Figura 1.3) se vendieron cerca de 130.350 unidades, con un incremento del 41% en comparación a las 92.764 unidades comercializadas en el 2009 (América Economía, 2011; CINAE, 2011). 10

140.000 130.350 120.000 112.684 100.000 80.410 91.778 92.764 80.000 69.372 84.505 60.000 56.950 59.151 Unidades Unidades 58.095 40.000

20.000 13.672 18.983 0 1998 2000 2002 2004 2006 2008 2010 2012

Ventas

Figura 1.3 - Evolución de las ventas de vehículos Fuente: (CINAE, 2011)

La mayor participación en ventas del 2010 mantuvo la marca Chevrolet, que vendió 56.051(43%). Luego siguen las marcas surcoreanas como Hyundai y Kia, y las japonesas Mazda y Toyota como se muestra en la Figura 1.4.

2,4% 5,3% 3,5% 5,9% 1,9% Chevrolet 1,9% 6,9% Hyundai Mazda 7,8% Otros Toyota Kia Nissan 8,3% Hino Ford Renault 12,7% Volkswagen 43,0%

Figura 1.4 - Ventas de Vehículos por Marca (Top 10 del 2010) Modificado (CINAE, 2011) 11

1.2 DESCRIPCIÓN DE LA EMPRESA AYMESA

1.2.1 RESEÑA HISTÓRICA

La empresa AYMESA nació de la diversificación de la empresa CEPSA, perteneciente al grupo financiero PROINCO. Luego de que GM fuera accionista 17 años, pasó a formar parte del grupo económico Almacenes Juan Eljuri. En total las empresas del grupo suman más de 150, entre las que están el banco del Austro, Neohyundai, Aekia, Asiacar, Metrocar. AYMESA es la primera planta ensambladora de vehículos en el Ecuador fundada en 1970 y contribuyó a GM en la ejecución del programa BTV (Basic Transportation Vehicle) 1. Este automóvil fue denominado “Andino, un carro hecho en Ecuador, para los ecuatorianos”.

En 1973, inició la producción con el ensamblaje de 173 autos auspiciado por el gobierno militar de Guillermo Rodríguez Lara. Hasta el año 1975 se produjeron cerca de 1.000 BTV´s y la producción total de la década de los setenta alcanzó las 5.000 unidades; de las cuales algunas se exportaron a Colombia, convirtiéndose en el primer vehículo de exportación de la industria automotriz ecuatoriana.

Figura 1.5 - Vehículo Andino (AYMESA, 2011)

1 El vehículo básico de transporte de GM fue fabricado en dos países del mundo: Ecuador y Malasia, según (GM Heritage Center, 2011). 12

En 1978 se ensambló el modelo Cóndor, sucesivamente el Chevette, San Remo, Aska y Datsun 1200. En 1988, con la propuesta del Vehículo Popular, salió al mercado el Suzuki Forsa. Dos años más tarde se comercializó el Swift y en 1997 la línea Corsa. En el 2000 se inició la producción del Lada Niva y al siguiente año se ensamblaron vehículos coreanos de Kia Motors. En el 2004 se cerró la planta por dos años para renovar las instalaciones. Las inversiones hechas a la planta consistieron en instalar la protección anticorrosiva por electro-deposición “ELPO”, cuyo proceso permite proteger la chapa metálica por al menos 10 años y la adecuación del tratamiento de aguas y desecho de sólidos. El Sistema de Producción AYMESA involucra Procesos de Fabricación, Calidad y Medio Ambiente bajos los lineamientos de la Mejora Continua. Actualmente los modelos de Kia (véase Anexo A) se comercializan en Ecuador y son exportados a Venezuela y Colombia, además se generan 270 plazas de trabajo directo y más de 2.000 indirectos (AYMESA, 2011; CINAE, 2011).

1.2.2 UBICACIÓN La empresa se encuentra localizada al sur de Quito, en el sector de San Bartolo, en la avenida Maldonado 8519 y Amaru Ñan, cuenta con la siguiente distribución de planta:

Área planta I: 16.500 m2 Área cubierta planta I: 15.300 m2 Área Planta II: 18.500 m2 Área cubierta planta II: 4.000 m2 Edificio Administrativo 4 pisos: 4000 m2

1.2.3 LA CADENA DE PRODUCCIÓN

Según el CIIU (revisión 3), la empresa se encuentra en la clasificación D-3410: Fabricación y ensamblaje de vehículos automotores de todo tipo. La capacidad de la ensambladora es aproximadamente seis unidades por hora, en turnos de ocho horas diarias; al año se producen cerca de 33.120 unidades. El proceso de producción está definido en tres fases que se describen a continuación: 13

•Soldadura •Remate Soldadura •Acabado Metálico

•ELPO •Primer Pintura •Esmalte

•TrimLine •Chasis Line Ensamblaje •Final Line

Figura 1.6 - Descripción del proceso de producción (AYMESA, 2011 )

1.2.3.1 Soldadura de carrocería

El proceso de producción inicia con la soldadura del CKD, remate con puntos de soldadura y el acabado metálico de la carrocería.

Soldadura

Se acoplan cada una de las piezas y partes del CKD por operarios; luego se envía al jig (véase la Figura 1.7) por medio de canastillas sujetadas a un riel aéreo, hasta que un robot automatizado los recibe y mediante la técnica de soldadura de punto se da forma la estructura de la carrocería.

Figura 1.7 - Jig de soldadura 14

Remate

El móvil recorre la línea de remate manualmente mediante un coche, los operarios realizan un chequeo visual e intervienen en los puntos de la carrocería donde el jig de soldadura no pudo soldar como se muestra en la Figura 1.8.

Figura 1.8 - Área de remate

Acabado metálico

Las carrocerías avanzan por la línea de remate hasta el área de acabado metálico, donde se acoplan: puertas, capot, guardafangos, entre otros (véase la Figura 1.9).

Figura 1.9 - Montado de puertas 15

1.2.3.2 Pintura

Luego de montar la carrocería, se pinta la unidad en el siguiente orden: ELPO, Primer y aplicación de esmalte.

ELPO

Se envía por un riel aéreo automático a la sección de ELPO, donde por electrodeposición catódica se da limpieza y tratamiento químico a la carrocería por el método combinado de aspersión e inmersión, tanto en el interior como al exterior. La carrocería se desplaza alrededor de 11 cubas como se muestra en la Figura 1.10 de la siguiente manera: desengrase, activado, fosfatizado y pasivado, cada proceso tiene su cuba de enjuague. Luego se dirige a las tres últimas cubas, la primera cataforesis, que consiste en aplicar pintura utilizando descargas eléctricas y termina en dos cubas de enjuague.

Figura 1.10 - Cubas de la planta de ELPO

El secado del ELPO se realiza en un horno, generado por movimiento de aire caliente (por resistencias), a través de ventiladores ubicados en su interior, para dirigirse al área de lijado y sellado (véase la Figura 1.11).

Figura 1.11 - Cabina de lijado y sellado

Primer

Se pinta la carrocería para dar fondo usando el primer , que sirve para brindar protección y uniformidad al acabado antes de pintar y luego se seca el fondo en un horno accionado por radiación y convección como se muestra en la Figura 1.12.

Figura 1.12 - Cabina de pintura de fondo

Esmalte

Se limpia la carrocería e ingresa a la cabina de lacado, donde se aplica el color definitivo con su respectivo brillo (véase la Figura 1.13). Enseguida se ubica en el horno de secado para ir a la cabina de control de calidad, donde se revisan minuciosamente defectos y no conformidades que se presenten como se muestra en la Figura 1.14.

Figura 1.13 – Aplicación de color y brillo

Figura 1.14 - Cabina de control de calidad

1.2.3.3 Ensamblaje

La línea de ensamble final se divide en tres etapas:

Trim Line, donde se montan todas las piezas del interior del automotor como tablero, paneles, luces, cristales, levanta vidrios, etc. (véase la Figura 1.15). 18

Chasis Line, se acoplan las partes mecánicas como: motor, suspensión, frenos alternador, correas, escape, entre otros, (véase la Figura 1.16). Final Line, una vez terminado el ensamble se traslada a la pista de ensamble donde se verifican los sistemas eléctricos y de frenado, alineación, suspensión, estanqueidad, apariencia, etc.

Si el vehículo no precisa reparación alguna, está listo para ser enviado al proceso de liberación y entrega para ventas.

Figura 1.15 - Preparación de tablero

Figura 1.16 – Montado de motor

1.2.4 FODA

El análisis FODA estudió características internas de la empresa, como investigaciones externas realizadas a la industria automotriz.

Fortalezas

Experiencia por más de 40 años en el mercado, certificaciones internacionales de calidad, medio ambiente, entre otras y, especialización en el ensamblaje de determinados modelos de marca. Respaldo de uno de los grupos económicos más grandes del país, tanto que se tiene la participación en el patrimonio de empresas autopartistas y concesionarias. Personal de ingeniería calificado y entrenado a nivel de ensambladora, de formación universitaria en la especialidad automotriz. Buena organización y reputación de la ensambladora que atrae la inversión de firmas internacionales.

Oportunidades

Convenio de Complementación Automotriz que posibilita alianzas estratégicas o acuerdos de cooperación con Colombia y Venezuela y un aumento de las exportaciones ecuatorianas. Crecimiento de demanda de vehículos nacionales en Colombia con posibilidades de incrementarse por renovación del parque automotor de ese país. La capacidad de la planta está disponible para expandir la producción nacional a otros tipos de automotores.

Debilidades

Los trabajos y controles de calidad necesitan coordinación. Dependencia de proveedores nacionales y regionales para el ensamblaje de unidades. 20

No se ensamblan vehículos pesados, se subutiliza la capacidad instalada y dificulta economías de escala. El marketing estratégico está sometido a decisiones de la firma internacional.

Amenazas

Incremento de costos en las importaciones de vehículos, CKD y demás componentes por reformas tributarias y variaciones de tipo de cambio de aquellos procedentes de Europa, Japón y Corea. Dificultad de acceso a nuevas tecnologías por parte de empresas ensambladoras y autopartistas, debido al bajo nivel de inversión y desarrollo. Velocidad de cambio tecnológico, que vuelve obsoletos o poco atractivos los modelos de fabricación nacional y le resta competitividad frente a los vehículos importados, limitando además las posibilidades de exportación del sector. (CINAE, 2011; Agila, 2011)

1.3 DESCRIPCIÓN DEL PROBLEMA

En entrevista con el personal del área pintura, se trató el caso de los recubrimientos a las carrocerías; inicialmente existe un control estadístico básico por parte del proveedor que verifica el cumplimiento de su producto así como de la empresa que mide cada cierto tiempo las características que se deben cumplir durante el proceso. Si bien se manejan datos e información que monitorean el proceso, se carece de un tratamiento adecuado que describa las relaciones que puedan influir en la calidad del producto, sean estas: posición, orientación, operador, etc. al momento de la aplicación. Además se trató del sobre procesamiento de información al recolectar datos manualmente para luego ingresarlos en el sistema y la producción de defectos a lo largo de la línea de producción (Agila, 2011). “Donde el mundo empresarial y comercial continúa cada 21 vez más competitivo […] . Así mismo, el cliente exige la calidad necesaria a un costo menor. Las compañías deben implementar un programa de mejora continua enfocado a resultados, pero sin incrementar los costos. ” (Ochoa & Zagarola, 2011, pág. 14) Si la capacidad de respuesta de la empresa es lenta puede ser desplazada por la competencia. Aunque la compañía maneja la filosofía del Mejoramiento Continuo, Six Sigma persigue el mismo objetivo, pero ataca el problema mediante el uso de herramientas estadísticas y estudios de carácter cuantitativo.

1.4 OBJETIVO GENERAL Y ESPECÍFICOS

1.4.1 OBJETIVO GENERAL

Proponer un modelo de mejoramiento a través del estudio y análisis de variables que influyen dentro del proceso de pintura bajo la metodología del Six Sigma en la empresa AYMESA.

1.4.2 OBJETIVOS ESPECÍFICOS

Análisis situacional de la empresa Mapear los procesos de la cadena de producción Desarrollar la metodología Six Sigma, a través de las fases Definir, Medir, Analizar, Mejorar y Controlar (DMAMC). Identificar causas potenciales de problemas que presente el proceso. Presentar propuesta donde se identifique el plan de mejora.

1.5 JUSTIFICACIÓN DEL PROYECTO

Six Sigma recoge aspectos importantes en su desarrollo, toma herramientas de la calidad y utiliza estadística para la caracterización y estudio del proceso; la correcta aplicación mejora las características del producto con lo que se 22 consiguen mayores ingresos y disminuye no conformidades. Algunas pruebas acerca de la ventaja de utilizar Six Sigma, se aprecian en los resultados obtenidos por compañías que han apostado por esta herramienta. Es el caso de Motorola que incrementó la productividad de un 12.3% anual y eliminó el 99.7% de los defectos (Wikipedia, 2011). En el Ecuador, Aglomerados Cotopaxi tuvo un aumento de USD 1.100.000 en el lucro líquido de la empresa (Qualiplus, 2011). En la empresa AYMESA, se apuntala a mejorar los índices de productividad y tener éxito como los casos expuestos; considerando a competidores que marcan tendencias en el mercado como GM-OBB y MARESA. Si bien la carrera de Ingeniería Empresarial no tiene formalmente la asignatura, ha brindado las pautas y herramientas para el presente estudio; con base en cursos externos tomados Universidad de las Américas y la consultora Qualiplus de Brasil, estoy obteniendo la certificación Six Sigma Green Belt, la que me ha permitido integrar los conocimientos y metodologías, razón por la que considero viable aplicar el estudio a la problemática. 23

2 MARCO TEÓRICO

2.1 ANTECEDENTES DEL SIX SIGMA

2.1.1 DESARROLLO HISTÓRICO

La metodología fue introducida en el año de 1987 en Motorola; el ingeniero Mikel Harry motivado por el estudio de la variación de los procesos de Deming, llamó la atención del entonces CEO (en inglés Chief Executive Office) de Motorola Bob Galvin, con el propósito de reducir los defectos de los productos electrónicos. La novedosa iniciativa la tomó Allied Signal e inició el programa en 1994, de la mano de Larry Bossid; asimismo General Electric (GE) lo hizo en 1995 con Jack Welch. En Latinoamérica la compañía Mabe implantó la metodología con éxito. Los resultados que alcanzaron fueron:

Motorola logró 1.000 millones de dólares en ahorros en tres años y ganó el premio a la calidad Malcolm Braldrige en 1998. Allied Signal consiguió ahorros de 2.000 millones de dólares entre 1994-1999. GE obtuvo 2.250 millones de dólares en ahorros durante 1998 y 1999. (Gutiérrez Pulido & De la Vara, 2005)

A continuación se revisarán aspectos esenciales de teoría estadística y probabilidad en los que se apoyan varios de los métodos de control estadísticos de calidad y Six Sigma.

2.1.2 ESTADÍSTICA DESCRIPTIVA

La estadística descriptiva es la presentación de datos en forma de tablas y gráficos, diseñada para resumir o describir los datos sin inferir. Estos datos numéricos pueden ser de dos tipos:

Por atributo: son conteos o porcentajes basados en la clasificación de artículos según algún criterio (ej.: bueno o rechazado). Por variable: son magnitudes físicas, medidas en una escala continua (ej.: dimensiones, tiempo, volumen, etc.). (Moura/Quali, 2011)

Todo conjunto de datos presenta ciertas características que deducen el comportamiento del proceso mediante la visualización de histogramas; las tres principales características de los datos son: localización, dispersión y simetría.

2.1.2.1 Medidas de tendencia central o localización

Determina la posición relativa de los datos, en general se mide la localización por el valor que tiene el punto medio del conjunto de datos. Con esto se conoce si la variable de salida es igual o está muy próxima al valor nominal especificado (Galindo, 2006).

2.1.2.1.1 Media Aritmética

Llamado también promedio y notado como . Es el promedio aritmético de un conjunto de datos que se obtiene al sumarlos y el resultado se divide entre el número de datos. (Galindo, 2006)

2.1.2.1.2 Mediana

Conocido como percentil 50 y notado como , es el valor de un conjunto de valores que se encuentran en el punto medio, cuando son ordenados de menor a mayor. La mediana es usada para reducir los valores extremos (Moura/Quali, 2011).

2.1.2.1.3 Moda

Es el valor que ocurre con más frecuencia en la muestra y es usada para distribuciones marcadamente asimétricas.

Además existen las medidas de posición no central , parten de un conjunto de datos ordenados los cuales se dividen en un número fijo de partes, entre las cuales tenemos:

Percentiles, son cada uno de los 99 valores que dividen a la distribución de los datos en 100 partes iguales. Cuartiles, es igual a los percentiles 25, 50 y 75 que dividen a las distribución en 4 partes, es decir el 25% de los mismos. El rango intercuartílico es aquella distancia entre el cuartil inferior y el superior. (Galindo, 2006)

2.1.2.2 Medidas de dispersión o variabilidad

Los valores obtenidos en una muestra no siempre son iguales debido la variabilidad presente. Cuando se mide la dispersión se determina el grado de diseminación de los valores individuales alrededor del centro de las observaciones (Galindo, 2006).

2.1.2.2.1 Desviación estándar

Es la raíz cuadrada de la varianza y mide que tan esparcidos están los datos respecto a la media aritmética.

donde:

2.1.2.2.2 Rango

El rango o recorrido mide la amplitud de la variación, resulta de la diferencia entre el mayor y el menor valor del grupo de datos.

2.1.3 CONCEPTOS BÁSICOS DE PROBABILIDAD

En la naturaleza y en la vida cotidiana existen fenómenos cuyos resultados no pueden ser anticipados con certeza, sino que existe una probabilidad de que cierto resultado se dé; éstas parten de un modelo matemático y predicen sobre ocurrencias futuras (Galindo, 2006; Moura/Quali, 2011). La probabilidad es una medida de la oportunidad de ocurrencia de un evento, se define:

donde:

2.1.3.1 Variable aleatoria

Es una función matemática que asocia un número real a cada ocurrencia de un evento de interés.

2.1.3.1.1 Variable aleatoria discreta

Aquella variable cuantitativa que toma solamente una cantidad finita o infinita contable de valores con la simple observación, como por ejemplo: cantidad mensual de quejas de clientes, cantidad de productos con defectos. 27

2.1.3.1.2 Variable aleatoria continua

Son variables que al medir, los resultados se ubican en una escala continua que corresponde a un intervalo de los números reales, por lo general calculan: peso, volumen, temperatura, humedad, tiempo, etcétera.

2.1.3.1.3 Función probabilidad En términos generales la función probabilidad usualmente llamada distribución estadística, es una función matemática que define la forma de variación de una variable aleatoria (Moura/Quali, 2011).

2.1.3.2 Distribuciones de probabilidad

La distribución de probabilidad de una variable aleatoria , es una descripción del conjunto de valores posibles de , junto con la probabilidad asociada a cada uno de estos valores. Las más usadas son: Distribución Binomial, Poisson y Normal.

2.1.3.2.1 Distribución Binomial

Proporciona la probabilidad de observar éxitos en una sucesión de pruebas donde ocurre sólo uno de los dos resultados posibles (éxito o fracaso), con una probabilidad constante de éxito (Galindo, 2006; Gutiérrez Pulido & De la Vara, 2005). Tiene la siguiente función:

Si es una variable aleatoria con distribución Binomial , entonces

Media: Varianza:

Por ejemplo, la probabilidad de no tener no conformidades, cuando

Binomial n=5; p=0,50

0,25

0,20

0,15 P(x) 0,10

0,05

0,00

0 2 4 6 8 10 x

Figura 2.1 - Distribución Binomial con η=5 y ρ=.5 Modificado (Moura/Quali, 2011)

2.1.3.2.2 Distribución Poisson

Se utiliza la distribución de Poisson a sucesos o eventos por unidad que se presenten en el tiempo o en el espacio, tales como número de defectos por metro cuadrado de tela, número de impurezas en un líquido, número de errores en un trabajador. (Moura/Quali, 2011)

La función probabilidad es:

donde:

Un ejemplo para este tipo de distribución se muestra en la Figura 2.2, cuando

Poisson u=8

0,14

0,12

0,10

0,08

f(x) 0,06

0,04

0,02

0,00

0 5 10 15 20 x

Figura 2.2 - Distribución de Poisson con μ=8 y η=20 Modificado (Moura/Quali, 2011)

2.1.3.2.3 Distribución Normal

Es la distribución continua más importante, tanto en estadística teórica como aplicada. Estudia varios fenómenos naturales, en que las variaciones son causadas por el efecto aditivo de muchas y pequeñas causas. Si es una variable aleatoria normal, entonces su función de densidad de probabilidad está dada por:

; con

Donde es su media y su desviación estándar. Al graficar la función se obtiene una gráfica simétrica y unimodal, tiene forma similar a una campana como se muestra en la Figura 2.3 (Gutiérrez Pulido & De la Vara, 2005; Moura/Quali, 2011).

Normal St Dev= 2,4,8 ; u=50

0,20 Variable f(x)1 f(x)2 f(x)3 0,15

0,10 Y-Data

0,05

0,00

0 20 40 60 80 100 x

Figura 2.3 - Distribución normal con μ=50 y σ=2; 4; 8 Modificado (Moura/Quali, 2011)

La estadística y la probabilidad son herramientas que intervienen en el proceso de toma de decisiones bajo incertidumbre. El objetivo es inferir o predecir el comportamiento sobre ciertas características de una población basada en la información contenida en una muestra escogida al azar de la población entera. (véase la Figura 2.4).

Técnicas de Situación Incial Recolección de datos muestreo

Datos brutos sui estadístico Estudio

Estadística descriptiva

Información

Inferencia estadística y probabilidad

Conclusiones, previsiones Toma de decisión

Figura 2.4 - La Estadística en el proceso de toma de decisión Modificado(Moura/Quali, 2011)

2.1.4 CONTROL ESTADÍSTICO DE PROCESO

El control estadístico del proceso (SPC en inglés) según Krajewski & Ritzman (2000) “Es la aplicación de técnicas estadísticas para determinar si el resultado de un proceso concuerda con el diseño del producto o servicio correspondiente.” (pág. 246). Si las variaciones presentan anormalidades se usan las gráficas de control (véase la Figura 2.5), éstas poseen un valor nominal , que generalmente es el objetivo y los acotamientos de control llamados Límites Inferior y Superior Especificados (LIE y LSE).

(Voz del cliente) Tolerancia especificada

Valor nominal Límite Inferior de Límite Superior de Especificación Especificación

LIE μ-3σ mμ μ+3σ LSE

“Tolerancia natural” del proceso (Voz del proceso)

Figura 2.5 - Gráfica de control de los límites específicos y del proceso Modificado(Moura/Quali, 2011)

2.1.4.1 Análisis de la capacidad de un proceso

2.1.4.1.1 Razón de la capacidad de un proceso

Un proceso es potencialmente capaz si tiene una distribución cuyos valores extremos se localizan dentro de las especificaciones superior e inferior. Es decir, la diferencia entre la especificación superior y la inferior (voz del cliente) como se 32 muestra en la Figura 2.5, debe ser mayor que seis desviaciones estándar 2 (voz del proceso) (Gutiérrez Pulido & De la Vara, 2005; Krajewski & Ritzman, 2000). La razón de capacidad del proceso ( ) se define como:

A causa de la mentalidad travesaño de portería 3 (véase la Figura 2.11), el de la mayoría de los procesos potencialmente capaces están en la faja del 1 a 1,33; aunque para tener calidad Six Sigma se requiere un (véase Anexo B).

El nivel sigma es: “la distancia (medida en unidades de desviación estándar) entre la media y los lí mites especificados” (Moura/Quali, 2011, pág. 28). Como se muestra en la Figura 2.6, se definen niveles de respectivamente por la distancia que existe entre la media y el límite de tolerancia.

μ-3σ μ μ+3σ μ-3σ μ μ+3σ LIE m LSE LIE m LSE

6σ Tolerancia del proceso 6σ Tolerancia del proceso 6σ Tolerancia especificada 8σ Tolerancia especificada 3σ Nivel sigma del proceso 4σ Nivel sigma del proceso

Figura 2.6 - Procesos potencialmente capaces Modificado(Moura/Quali, 2011)

En términos de métrica sigma, un proceso de , el es igual a 2 (ver figura 2.7)

2 Se dice que es la variación real, debido a las propiedades de distribución normal, en donde se afirma que entre se encuentra el 99.73% de los valores de una variable. (Gutiérrez Pulido & De la Vara, 2005) 3 Mientras los esfuerzos se dediquen exclusivamente a reducir la variabilidad fuera de los límites 33

μ-3σ μ μ+3σ LIE m LSE

6σ Tolerancia del proceso

12σ Tolerancia especificada 6σ Nivel sigma del proceso

Figura 2.7 - para Six Sigma Modificado(Moura/Quali, 2011)

2.1.4.1.2 Índice de capacidad real

En caso que el proceso esté descentrado, se usa el índice de capacidad real (ver figura 2.8), que mide el potencial del proceso para generar productos entre la media y los LIE - LSE. Se calcula de la siguiente manera:

Para desplazamiento en dirección al límite superior,

Para desplazamiento en dirección al límite inferior,

El valor mínimo entre las dos razones, (Krajewski & Ritzman, 2000; Moura/Quali, 2011).

Si el índice es satisfactorio, indica que el proceso en realidad es capaz. 34

μ m LIE 3σ LSE

LIE-u

Figura 2.8 - Índice de valor real Modificado (Moura/Quali, 2011)

Hay estudios que ponen de manifiesto que la media de un proceso puede desplazarse a través del tiempo, por eso Moura/Quali (2011): “existirá un desplazamiento de hasta para acomodar desviaciones ‘típicas’ de la media del proceso, a lo largo del tiempo ” (pág. 31). Por lo que el índice es determinado:

1,5σ

μ-3σ μ μ+3σ LIE m LSE

3σ

6σ

Figura 2.9 - para Six Sigma El índice siempre va a ser menor o igual que el índice

2.1.4.1.3 Medición en defectos de partes por millón

Es un índice que mide los defectos esperados en un millón de oportunidades (DPMO), en el supuesto de un proceso de tres sigma sin desplazamiento se tiene 2.700 DPMO y con desplazamiento de , se tiene 66.807 DPMO; para el caso de un proceso de Seis Sigma se obtienen 2 DPMO sin desplazamiento y con desplazamiento 3,4 DPMO como se muestra en el Anexo B (Moura/Quali, 2011).

2.1.4.2 Gráfica de control para variables

Las cartas de control para variables se aplican a características de calidad de tipo continuo que requieren un instrumento de medición (peso, volumen, temperatura, humedad). Sirven para el análisis de estabilidad o control estadístico de las características estudiadas.

2.1.4.2.1 Gráfica

Gráfica que vigila la variabilidad de los procesos. Se calcula el rango de un conjunto de datos restando la medición más pequeña de la medición más grande obtenida en cada muestra. Si cualquiera de los datos queda fuera de los acotamientos de control, se dice que la variabilidad del proceso no está bajo control. Los Límites de Control Inferior y Superior (LCI y LCS) para la gráfica son: y donde: promedio de varios valores R pasados y la línea central de la gráfica de control. = constantes que proporcionan tres acotamientos de desviación estándar (véase el Anexo C). (Krajewski & Ritzman, 2000)

2.1.4.2.2 Gráfica

La gráfica analiza la variación entre las medias de los subgrupos y detecta, cambios en la media del proceso. Los acotamientos de control para la gráfica son: y donde: Línea central de la gráfica y el promedio de las medias de una muestra o un valor establecido como objetivo para el proceso. Constante para proporcionar acotamientos tres sigma para la media de la muestra (véase el Anexo C). (Krajewski & Ritzman, 2000)

2.1.4.3 Técnicas de muestreo

El propósito del muestreo es calcular una variable o media de atributo para cierta característica de calidad.

Muestreo Sistemático, método el cual se obtienen los elementos de la muestra a intervalos uniformes de tiempo, orden y espacio. Usado para la producción en serie considera lo siguiente:

Población; muestra Elemento inicial tomado de la muestra Número de saltos para tomar el siguiente elemento Elementos no considerados al principio Elementos no considerados al final donde

2.1.4.4 Distribución muestral

En la práctica se trabaja con muestras, por esto es de interés estudiar cómo se comporta una larga serie de muestras. Las distribuciones muestrales son:

Media (datos tipo variable) Proporción (datos tipo atributo) (Moura/Quali, 2011)

2.1.4.4.1 Distribución muestral de las medias

Si es una variable aleatoria normal con media y desviación estándar entonces la distribución de las medias también es:

Media: = Desviación estándar: =

(Moura/Quali, 2011)

X X X n

Figura 2.10 - Comparación entre y Modificado (Moura/Quali, 2011)

2.1.5 DISEÑO DE EXPERIMENTOS

Los modelos de Diseños De Experimentos (DDE) son un conjunto de pruebas experimentales, se utilizan variables de entradas ( X´s) de tal manera que los datos generados (Y´s) pueden analizarse estadísticamente para obtener conclusiones objetivas y válidas sobre el sistema o proceso. En la figura 2.11 se muestra la representación gráfica de un DDE en estudio (Cuesta Muñoz, 2012).

Figura 2.11 – Aspectos de la planeación experimental Modificado (Moura/Quali, 2011)

Factores: Entrada del sistema (traducción de la voz de cliente ) Respuesta: Salida del sistema Factores de ruido: Factores no controlables o que tienen alto impacto sobre el costo. Factores de control: Factores controlables o que tienen mínimo impacto sobre el costo.

El resultado observado de un experimento se muestra así:

Donde X es el resultado “verdadero” del experimento y es una contribución aleatoria. En escenarios reales los datos están sujetos a errores experimentales y errores aleatorios, lo cual convierte a la metodología estadística en el único enfoque objetivo para el análisis. En términos de calidad la metodología DDE es 39 el resultado de enfocar mayores esfuerzos en la prevención y menos esfuerzos en la inspección (Cuesta Muñoz, 2012).

2.1.5.1 Diseño factorial

En el estudio sobre la mejora de procesos industriales (control de calidad) es usual trabajar con problemas en los que hay muchos factores que pueden influir en la variable de interés. La utilización de experimentos completos en estos problemas tiene el gran inconveniente de necesitar un número elevado de observaciones, además puede ser una estrategia ineficaz porque, por lo general, muchos de los factores en estudio no son influyentes y mucha información recogida no es relevante. En este caso se utiliza una técnica secuencial que trabaja con unos pocos factores y según los resultados que se obtienen se eligen los factores a estudiar en la segunda etapa. Los diseños factoriales son diseños en los que se trabaja con factores, todos ellos con dos niveles (se suelen denotar + y -). Estos diseños son adecuados para tratar el tipo de problemas descritos porque permiten trabajar con un número elevado de factores y son válidos para estrategias secuenciales (Marín Diazaraque, 2006).

2.1.5.2 Matriz de diseños

Supongamos que se tienen tres factores binarios El número de posibles combinaciones es 8, y con replicaciones se tiene un total de observaciones. Para calcular los efectos se usa la siguiente tabla o matriz de diseño:

Figura 2.12 – Matriz de diseño 40

La primera fila es la identidad y cualquier fila multiplicada por ella permanece invariante. El resto de filas tiene el mismo número de signos + y signos -. Se pueden obtener los contrastes y los efectos sustituyendo los signos + por 1 y los - por -1 (Marín Diazaraque, 2006).

Figura 2.13 – Representación gráfica del experimento 2 3

2.2 DEFINICIONES DEL SIX SIGMA

2.2.1 QUE ES SIX SIGMA

Moura/Quali (2011) Six Sigma es una iniciativa liderada por la alta dirección que implementa proyectos y su objetivo es mejorar radicalmente el desempeño de los procesos empresariales, siendo su enfoque reducir la variación de parámetros para la satisfacción de los clientes; Six Sigma es una evolución del TQM/TQC.

Finn, Ginn & Ritter (2002/2011) sigma es un concepto estadístico que representa la cantidad de variación presente en un proceso. Cuando un proceso opera en el nivel Six Sigma, la variación es muy pequeña teniendo productos y servicios libres de defectos en un 99.9997%, Six Sigma es notado de varias formas: o . o

Six sigma tiene tres áreas prioritarias de acción: satisfacción del cliente, reducción del tiempo de ciclo y disminución de los defectos. El fin es tener procesos que generen como máximo 3,4 DPMO. Esta meta se alcanza con un programa 41 vigoroso de mejora, diseñado e impulsado por la alta dirección de una organización, donde se desarrollan proyectos a lo largo y ancho de la organización con el objetivo de mejorar, eliminar defectos y retrasos de productos, procesos y transacciones. La metodología en la que se apoya Six Sigma está definida y fundamentada en las herramientas y el pensamiento estadístico. Los principales principios son:

Orientación al cliente y enfoque en los procesos. Dirección en base a datos y pensamiento estadístico. Sustento en una metodología robusta. Capacitación y entrenamiento para todos. Iniciativa con horizonte de varios años que integra a otras iniciativas estratégicas. (Gutiérrez Pulido & De la Vara, 2005)

2.2.2 GESTIÓN DE CALIDAD TOTAL Y SIX SIGMA

Un análisis acerca de la Gestión de la Calidad Total y Six Sigma lo hacen Mendoza & Mendoza (2005, pág. 5):

Como puede verse, seis sigmas es una técnica que involucra el plano estratégico; Además, con ella se busca darle competitividad a la compañía mediante la creación de valor y reducción de los costos. En cambio, en la calidad total se acentuaba la importancia de la solución de problemas puntuales con una orientación táctica. De la misma manera, la gestión de calidad total insistía bastante en el desarrollo de una cultura a través de la comunicación (pregonar la calidad) y la capacitación, mientras que seis sigma coloca el puntero en la medición, la ejecución y el seguimiento. La gestión de calidad total se basaba bastante en la intuición y el acervo de experiencia de los trabajadores, utilizando matemática básica y tanteo por prueba y error, de manera espontánea; por el contrario, seis sigmas se aplica al uso extensivo del método científico, como dice Eckes (2003), seis 42

sigmas se caracteriza por basarse en datos y hechos. No obstante, entre estas dos herramientas existen elementos comunes como son:

Orientación al cliente Uso del mejoramiento Cambio organizacional Disminución de defectos Aplicación del proceso de solución del problema

Tabla 2.1 - Comparación entre gestión de calidad y seis sigma

Gestión de calidad total Seis Sigma

Operacional Estratégica y operacional

Se trabaja en los problemas de un área Poco transversal. Trabajan diversas áreas específica, los proyectos se llevan a de la empresa cabo en forma aislada

Bastante declarativa Orientación a la acción

Heurística, espontánea Sistemática

Es simple, busca soluciones Es compleja, pretende una meta retadora convencionales pero viable

Exige un alto conocimiento. En su madurez Necesita un conocimiento común emplea técnicas avanzadas en mediciones, lógicas y estadísticas.

Modificado (Mendoza & Mendoza, 2005)

2.2.3 LA VARIABILIDAD

La variación en los procesos constituye una de las fuentes principales de insatisfacción en los clientes; si se encuentra su causa raíz y se elimina, los clientes sentirán la diferencia. No siempre se obtiene el mismo producto o servicio con igual nivel de conformidad a lo especificado y de forma consistente y repetitiva. La variabilidad de un proceso se evidencia por de tres aspectos: sistema de medición adecuado, presencia de causas especiales y presencia de causas comunes. (Herrera, 2011; PPG Consultores) 43

Gutiérrez y De la Vara (2005) “En un proceso indus trial interactúan materiales, máquinas, mano de obra, mediciones, medio ambiente y métodos. (…) las 6 M´s determinan de manera global todo el proceso y cada uno aporta en algo a la variabilidad de la salida del proceso” (pág. 17). Sin embargo no todos los cambios de las 6M´s reflejan una transformación significativa, ya que habrá ciertos cambios inherentes y otros particulares. Como lo enunció Deming “El 94% de los problemas [y oportunidades de mejora] se deben a causas comunes. Apenas el 6% se deben a causas especiales” (Moura/Quali, 2011, pág. 49). Fundamentalmente se apoya en el Control Estadístico de Procesos CEP (SPC), para bajar la variabilidad eliminando las causas especiales, en el Diseño de experimentos DDE (DOE) para reducir la variabilidad debida a las causas naturales (comunes), y en el ANOVA para realizar un estudio de la variabilidad total a través del R&R.

2.2.3.1 Ingeniería de calidad

La mentalidad tradicional para reducir costos y mejorar la calidad se basa en preocuparse que no exista variación fuera de los límites de tolerancia (LIE, LSE) pero hay serios efectos colaterales negativos de esta mentalidad llamada travesaño de portería (véase la Figura 2.14), porque se contrae el virus de la reactividad y se mejora hasta cierto punto. Para no desaprovechar las verdaderas oportunidades de reducción de costo, Genichi Taguchi desarrolló la función de pérdida de calidad; todo proceso generará pérdidas si existe algún desvío alrededor del valor ideal, aún dentro de la tolerancia; es decir, cuanto mayor es el desvío, mayor será la pérdida como se muestra en la Figura 2.15 (Moura/Quali, 2011).

Distribución del Proceso

Pérdida ($) Pérdida ($) (cero defecto)

“Rechazado” “Bueno” “Rechazado”

LIE m LSE

Figura 2.14 - Enfoque del travesaño de portería 44

Distribución Función del Proceso pérdida de calidad

LIEm LSE

Figura 2.15 - Función de pérdida de la calidad Modificado (Moura/Quali, 2011)

2.2.3.2 Causas Comunes

Según Krajewski & Ritzman (2000), las causas comunes son las fuentes de variación puramente aleatorias, no identificables e imposibles de evitar mientras se utilice el procedimiento actual. No se pueden eliminar del todo por lo que se usa la metodología del DDE (Herrera, 2011; Moura/Quali, 2011).

2.2.3.3 Causas Especiales

Causas especiales o también asignables las cuales surgen ocasionalmente, no están presentes todo el tiempo y afectan a algunos resultados. Por lo general pueden ser fácilmente aisladas Se puede reducir la variabilidad utilizando SPC (Herrera, 2011; Moura/Quali, 2011).

2.3 PROCESO DMAMC

Los datos por si solos no resuelven los problemas del cliente y del negocio. Por ello es necesaria una metodología robusta como se muestra en la Figura 2.16

Cuando se aplica el mejoramiento de un producto, proceso o servicio, se usa Definir Medir-Analizar-Mejorar-Controlar, o el modelo DMAMC [en inglés DMAIC; Define, Measure, Analize, Improve and Control]. La estructura del DMAMC proporciona una útil estructura a la “ventana abierta ”. El criterio para completar una fase en particular se determinará si todos los requisitos se han cumplido; finalizadas las cinco etapas se considera que la ventana ha sido cerrada (Pyzdek & Keller, 2010/2011, pág. 147).

El DMAMC es un abordaje estructurado que promueve el uso integrado de varios métodos y herramientas (véase el Anexo D) aplicados en proyectos de mejoramiento que reducen la variabilidad para la satisfacción de los clientes. “El DMAMC es la espina dorsal del Six Sigma para mejoramiento continuo en procesos existentes ” (Moura/Quali, 2011, pág. 125).

Definir Medir Analizar Mejorar Controlar ¿Qué debe ser ¿Por qué estamos ¿Cómo mantener ¿Cómo estamos? ¿Cómo mejorar? mejorado? así? la mejora?

Definir el foco de Analizar al mejor Evaluar el modo de Estandarizar las Mapear el proceso mejora (benchmarking) riesgos y fracasos mejoras

Identificar Determinar Optimizar Diseñar e Definir y validar la caracteristicas directores de herramientas del implementar el plan medicion criticas procesos proceso/producto de control

Determinar Definir objeto de estabilidad/ Identificar causas Generar/seleccionar Documentar mejora capacidad del potenciales soluciones lecciones aprendidas proceso

Formalizar el Confirmar objetivo Seleccionar causas Validar solución Finalizar el proyecto proyecto de mejora del proyecto primarias

Figura 2.16 - Uso del DMAMC en un proyecto de Six Sigma Modificado (Pyzdek & Keller, 2010/2011; Moura/Quali, 2011)

Gutiérrez Pulido & De la Vara (2005) determina las etapas del DMAMC de la siguiente manera:

2.3.1 FASE DEFINIR

En esta fase se tiene una visión y definición clara del problema por resolver mediante un proyecto . Es fundamental identificar las Variables Críticas para la Calidad (VCC), esbozar metas, definir el alcance del proyecto, precisar el impacto y beneficiarios del proyecto.

2.3.2 FASE MEDIR

En esta segunda etapa se miden las VCC del producto (variables de salida, las 4). Se evalúa la situación actual (línea base) en cuanto al desempeño o rendimiento del proceso y se establecen metas para el VCC.

2.3.3 FASE ANALIZAR

Analiza la causa raíz del problema o situación (identificar las vitales) y se entende cómo éstas generan el problema y confirman las causas con evidencias de datos.

2.3.4 FASE MEJORAR

En esta cuarta etapa se evalúa e implementa soluciones que atienden las causas raíz, asegurándose de reducir los defectos (variabilidad).

2.3.5 FASE CONTROLAR

Una vez que las mejoras deseadas han sido alcanzadas, en esta etapa se diseña un sistema que las mantenga (controlar las vitales) para luego cerrar el proceso.

4 donde es el resultado, el producto final. El producto es función de los insumos (las . Solo controlando los insumos es posible controlar el producto. 47

2.4 ESTRUCTURA HUMANA

Un despliegue exitoso de Six Sigma exige una infraestructura orgánica para manejar y apoyar las actividades resumidas. Los logros recaen en integrar líderes de negocio, de proyectos, expertos y facilitadores. Algunos roles considerados han sido tomados de las artes marciales, que reflejan el nivel de compromiso y dedicación entre los cuales tenemos:

Campeones (Champions) . Llamados también patrocinadores, son los directores de área quienes proveen la dirección estratégica y recursos para apoyar a los proyectos por realizar. Maestros Cinta Negra (Master black belts ). Personal seleccionado y capacitado, que ha desarrollado actividades de Cinta Negra y coordinan, capacitan y dirigen a los expertos Cinta Negra en su desarrollo como expertos Six Sigma. Cintas Negra (Black belts) . Expertos técnicos que generalmente se dedican de tiempo completo a la metodología Six Sigma. Son los que asesoran, lideran proyectos y apoyan en mantener una cultura de mejora de procesos. Se encargan de capacitar a los Cinta Verde. Cintas Verde (Green belts) . Expertos técnicos que se dedican en forma parcial a actividades de Six Sigma. Se enfocan en actividades cotidianas diferentes de Six Sigma pero participan o lideran proyectos para atacar problemas de sus áreas. (Gutiérrez Pulido & De la Vara, 2005; Pyzdek & Keller, 2010/2011)

2.5 HERRAMIENTAS DE APOYO

Se apoyan en herramientas estadísticas y de análisis, proponen el desarrollo de grupos de trabajo dinamizadores, creando una estructura propia dentro de la organización.

2.5.1 CARTA DEL PROYECTO

Es una carta que formaliza el lanzamiento del proyecto, aclara lo que espera el equipo para tenerlo alineado con los objetivos primarios de la empresa; se documenta el por qué , cómo, quién, y cuándo de un proyecto e incluye los siguientes elementos:

Declaración del problema Objetivo del proyecto Alcance Miembros del equipo Estimación de duración del proyecto Otros recursos, entre otros Pyzdek & Keller (2010/2011)

2.5.2 MATRIZ DE PRIORIZACIÓN

Establece prioridad entre varias alternativas planteadas por el equipo, define el foco de mejora en la fase Definir para asegurar un proyecto conveniente a la empresa (Moura/Quali, 2011).

2.5.3 DIAGRAMA DE PARETO

Gráfico de barras que identifica prioridades y causas, se ordena por importancia los diferentes problemas que se presenten en el proceso. La utilidad del diagrama está respaldada por el llamado Principio de Pareto , conocido como “Ley 80 -20” o “Pocos vitales, muchos triviales” (Gutiérrez Pulido & De la Vara, 2005).

2.5.4 DIAGRAMA DE FLUJO

Es un diagrama que utiliza símbolos gráficos estandarizados para representar el flujo y las fases de un proceso con lo que asegura el entendimiento completo y homogéneo del mismo. Además identifica problemas, oportunidades de mejora 49 del proceso y pone de manifiesto las relaciones proveedor – cliente. (Moura/Quali, 2011).

2.5.5 DIAGRAMA SIPOC 5

Es una herramienta que muestra al proceso en forma sintética, identificando elementos relevantes para su posterior análisis. Estudia a los sujetos que intervienen en el flujo sean estos: proveedores, insumos, resultados y clientes (Moura/Quali, 2011).

2.5.6 DIAGRAMA CAUSA EFECTO

Conocido también como diagrama de Ishikawa, es un método que grafica una espina de pescado , donde el principal problema se rotula como la cabeza, las categorías más importantes de causas potenciales se representan como espinas estructurales y las causas específicas probables aparecen como las espinas menore s (Gutiérrez Pulido & De la Vara, 2005).

2.5.7 DIAGRAMA DE DISPERSIÓN

Es una gráfica del tipo X-Y; el objeto es analizar la forma en que dos variables numéricas están relacionadas (Gutiérrez Pulido & De la Vara, 2005).

2.5.8 ANÁLISIS MULTI-VARI

Gráfica de análisis que visualiza e identifica las fuentes de variación que potencialmente afectan al proceso, está medido por la comparación de medias. Las fuentes están agrupadas entre variaciones dentro de la pieza/lote, variación entre piezas/lotes y variación con el tiempo (Gutiérrez Pulido & De la Vara, 2005; Moura/Quali, 2011).

5 Del inglés: Supplier, Input, Process, Output and Customer 50

2.5.9 ANÁLISIS DE FALLAS POTENCIALES (FMEA)

Es un análisis que identifica sistemáticamente errores o fallas en un proceso; es una simplificación de la técnica FMEA 6 (Moura/Quali, 2011). Para Pyzdek & Keller (2010/2011) el modo de fracaso y análisis de efecto, es un esfuerzo por delinear todos los posibles fracasos, el efecto en el sistema, la probabilidad de ocurrencia y fracaso. El FMEA dirige los recursos disponibles hacia las oportunidades más prometedoras.

2.5.10 LLUVIA DE IDEAS (BRAINWRITTING)

Las sesiones de lluvias o tormenta de ideas, es una forma de pensamiento creativo encaminado a que todos los miembros de un grupo participen libremente y aporten ideas sobre determinado tema o problema. Esta técnica es de gran utilidad para el trabajo en equipo, debido a que permite la reflexión y el diálogo (Gutiérrez Pulido & De la Vara, 2005).

2.5.11 DIAGRAMA DE ÁRBOL

Es una herramienta que muestra de manera sistemática los vínculos racionales entre la descripción de objetivo primario y los medios para alcanzar el objetivo; además se conoce cuál es la realidad compleja en el proyecto (Moura/Quali, 2011).

2.5.12 ÁRBOL DE CONTINGENCIAS (PDPC 7)

Herramienta útil en anticipar problemas potenciales antes de implementar un plan de acción; se identifican y seleccionan tanto acciones preventivas (para evitar que el problema ocurra), como acciones alternativas (si un caso el hecho ocurre) (Moura/Quali, 2011).

6 Del inglés: Failure Mode and Effects Analysis 7 En inglés: Process Decision Program Chart 51

3 METODOLOGÍA

En este capítulo se desarrolló las fases: Definir, Medir, Analizar del DMAMC; en primer lugar se definió el proceso a estudiar, luego se midió la capacidad de los parámetros y se utilizaron herramientas analíticas y estadísticas para identificar las causas de los problemas.

3.1 DESCRIPCIÓN DE LOS PROCESOS

Se estudiaron los procesos que intervienen en la cadena de producción y se utilizó herramientas como: mapa de procesos, caracterización, descripción y diagramas de flujo que permitieron un adecuado entendimiento.

3.1.1 MAPA DE PROCESOS

Un mapa de procesos es una representación gráfica del flujo de trabajo a través de la empresa. Se definieron tres tipos de procesos: los gobernantes o estratégicos, procesos productivos o claves y los procesos de apoyo, todos detallados en un inventario de procesos (ver Tabla 3.1). Se mapearon los procesos de la empresa junto al equipo de ingeniería donde se identificaron los siguientes tipos:

3.1.1.1 Procesos Productivos

Considerando que el giro de negocio es el ensamblaje de autos, primero se detallaron los procesos que se relacionan con la manufactura. Se identificó los macro procesos de la cadena productiva: Soldadura de carrocería, contiene a los procesos de Soldadura, Remate y Acabado Metálico. Pintura, formado por ELPO, Primer y esmalte. Ensamble General, dado por Trim, Chasis y línea final.

Además se incluyó el proceso de “Control de la Producción ” que vigile el corre cto funcionamiento de la cadena. Se tomaron en cuenta procesos claves que aporten al correcto desarrollo de la cadena, que en primer lugar coordine y conduzca las operaciones de ensamblaje y asegure la correcta entrega del automotor al cliente. En el equipo de trabajo se identificaron los siguientes procesos como:

Planificación de la producción, Organización y dirección del sistema de manufactura. Liberación y entrega para ventas, Vehículo listo para ser comercializado. Ventas y Garantías: Almacenamiento y control del producto, entrega a clientes locales y exportaciones.

3.1.1.2 Procesos Gobernantes

Son aquellos que relacionan a la organización con su entorno, por lo que estos obedecen a políticas y estrategias. Fue necesario contar con dos macro procesos que atraviesen transversalmente a la organización, relacionándose con áreas administrativas, de mejora continua y gestión, entre los cuales tenemos:

Planificación Estratégica, trata aspectos relacionados con la planificación y control financiero, planeación de productos y procesos, gestión por la dirección. Gestión de Control, seguimiento de indicadores y objetivos, voz del cliente, previsión de ventas.

3.1.1.3 Procesos de apoyo

Para el correcto funcionamiento de los procesos productivos, se incluyeron dos macro procesos, uno referente a la gestión de abastecimiento de la cadena de producción, teniendo en cuenta los procedimientos relacionados con: compras, proveedores y logística. Y el proceso de soporte a la gestión concerniente con: control ambiental, gestión del talento humano, mantenimiento, comunicación 53 interna, tecnología de la información y auditorías. A continuación se muestra el mapa de procesos desarrollado por el equipo (ver Figura 3.1).

Procesos Gobernantes

B.Gestión del A. Planificación Estratégica Control

A.1 Planificación y control B.1 Seguimiento de financiero indicadores y objetivos A.2 Planeación de productos y B.2 Voz del cliente procesos B.3 Previsión en ventas A.3 Gestión por la dirección

Procesos Claves

C.Planificación de la D.Soldadura de E. Pintura de G.Liberación y F.Ensamble general H.Ventas y garantías producción carrocerías carrocerías entrega Clientes/ Clientes/ Satisfacción Satisfacción

D.1 Soldadura E.1 ELPO F.1 Trim C.1 Organización de H.1 Almacenamiento PCP y control del producto C.2 Control de PCP D.2 Remate E.2 Primer E.1 Chasis H.2 Entrega clientes locales H.3 Exportaciones D.3 Acabado Metálico E.1 Esmalte E.1 Línea Final

Proceso de Producción

Procesos de Apoyo

I. Gestión de J. Gestión de soporte del Aprovisionamiento sistema

J.1 Control ambiental I.1 Gestión de compras J.2 Talento Humano I.2 Gestión de proveedores J.3 Gestión del mantenimiento I.3 Gestión de logística J.4 Comunicación interna J.5 Tecnologías de la información J.6 Gestión de auditorías

Figura 3.1 – Propuesta mapa de procesos de AYMESA Elaboración: Autor

Tabla 3.1 - Inventario de procesos

Procesos Código Planificación Estratégica (A) Gestión de Control (B) Planificación de la producción (C) Soldadura de carrocerías (D) Pintura de carrocerías (E) ELPO (E.1) Primer (E.2) 54

Esmalte (E.3) Ensamble General (F) Gestión de aprovisionamiento (C) Gestión de soporte del sistema (D)

3.1.2 ESQUEMA GENERAL DEL PROCESO (SIPOC)

Se cuenta con distintas formas para la caracterización, por lo que es útil describir de manera ordenada y clara como se desarrolla y finaliza un proceso, esta vista general se conoce como diagrama SIPOC y se elabora en el siguiente orden:

Precisar el tipo de proceso y objetivo Determinar los inputs (entradas) y proveedores (internos y externos) Explicar del desarrollo del proceso paso a paso Entregar el output (salidas) al cliente (interno y externo)

De este modo se desarrolló el SIPOC para los procesos productivos (véase Anexo E).

3.1.3 DESCRIPCIÓN DEL PROCESO

Es un tipo de descripción donde se definen características del proceso, entre las relevantes encontramos: nombre y codificación, propietario, alcance, fecha de levantamiento; así como los elementos del diagrama SIPOC. Es necesario complementar el estudio con controles y recursos a utilizar (físicos, técnicos, humanos, etc.). Estos se documentaron en fichas o también llamadas hojas de caracterización (véase Anexo F).

3.1.4 REPRESENTACIÓN GRÁFICA DEL PROCEDIMIENTO

Conocido como diagrama de flujo, es una gráfica que representa la secuencia de rutinas simples de los procedimientos, definiendo la sucesión de pasos para ejecutar una tarea (véase Anexo G). Los símbolos estándares más usados por la 55

ANSI (en inglés, American National Standard Institute) se muestran en la Tabla 3.2.

Tabla 3.2 – Simbología ANSI para el diagrama de flujo

Símbolo Significado

Caja de actividad: Contiene una frase o nombre que identifica una actividad del proceso

Caja de decisión: Contiene una pregunta encerrada, (respuesta "Sí" o "No"

Conector: Indica conexión a otro punto del proceso

Caja de documento impreso: Identifica la emi sión o uso de documento, informe o registro

Caja de Stock / Almacenamiento

Caja de Proceso: Se refiere a otro proceso o procedimiento estandarizado

Caja de espera: Identifica tiempo de espera mientras otra actividad es concluida

Se ntido de flujo: Dirección del flujo, del sentido ascendente o descendente.

Límite: Indica el inicio y fin de un proceso

Modificado (Moura/Quali, 2011)

3.2 APLICACIÓN DEL SIX SIGMA

3.2.1 DEFINIR

Es la fase que trata sobre los requerimientos del cliente y entender los procesos importantes afectados; se encarga de definir quién es el cliente, así como sus requerimientos y expectativas. Además delimita el inicio y final del proceso que se busca mejorar.

3.2.1.1 Definir el foco de mejora

“La definición del foco de mejora debe ser de alta relevancia tanto para el cliente final como para los objetivos de la empresa” (Moura/Quali, 2011, pág. 130), por tal motivo, en consenso con los responsables de cada uno de los procesos de producción , se concluyó que el subproceso de pintura presenta condiciones para iniciar un estudio de Six Sigma. En la determinación del subproceso específico de mejora, se utilizó la matriz de priorización definiendo los siguientes criterios de selección:

1. Defectos de bajo costo 2. Facilidad en la implementación 3. Accesibilidad a información 4. Etapa crítica del proceso 5. Reducido costo de mantenimiento de equipos

Cada uno de los criterios fue comparado para establecer un peso de importancia relativa, de acuerdo a la siguiente escala:

Mucho más importante = 9 Más importante = 7 Igualmente importante = 5 Menos importante = 3 57

Mucho menos importante = 1

Se obtuvo la siguiente matriz de priorización, como se muestra en la Tabla 3.3

Tabla 3.3 – Matriz de priorización de criterios

Matriz de Criterios

Criterios A B C D E Suma Porcent. A Defectos de bajo costo 5 3 3 7 18 18,0% B Facilidad en la implementación 5 7 5 7 24 24,0% C Accesibilidad a información 7 3 3 5 18 18,0% D Etapa crítica del proceso 7 5 7 7 26 26,0% E Reducido costo de mantenimiento 3 3 5 3 14 14,0% Total 100 100%

Luego, se construyeron las matrices comparando tanto las alternativas que cumplen con cada criterio, en este caso las alternativas fueron los subprocesos de pintura (ver Figura 1.6) los pesos de importancia relativa son:

Cumple mucho más = 9 Cumple más = 7 Cumple igualmente = 5 Cumple menos = 3 Cumple mucho menos = 1

Las matrices de priorización para cada criterio se muestran a continuación:

Tabla 3.4 – Matriz de priorización del criterio defectos bajo costo

Criterio 1 vs Alternativas

Defectos de bajo costo A B C Suma Porcent. A ELPO 7 5 12 40,0% B Primer 3 7 10 33,3% C Esmalte 5 3 8 26,7% Total 30 100%

Tabla 3.5 - Matriz de priorización del criterio facilidad de implementación

Criterio 2 vs. Alternativas

Facilidad en la implementación A B C Suma Porcent. A ELPO 5 3 8 26,7% B Primer 5 3 8 26,7% C Esmalte 7 7 14 46,7% Total 30 100%

Tabla 3.6 - Matriz de priorización del criterio accesibilidad a información

Criterio 3 vs. Alternativas

Accesibilidad a información A B C Suma Porcent. A ELPO 5 3 8 26,7% B Primer 5 3 8 26,7% C Esmalte 7 7 14 46,7% Total 30 100%

Tabla 3.7 - Matriz de priorización del criterio etapa crítica del proceso

Criterio 4 vs. Alternativas

Etapa crítica del proceso A B C Suma Porcent. A ELPO 7 3 10 33,3% B Primer 3 5 8 26,7% C Esmalte 7 5 12 40,0% Total 30 100%

Tabla 3.8 - Matriz de priorización del criterio reducido costo de mantenimiento

Criterio 5 VS. Alternativas

Reducido costo de mantenimiento A B C Suma Porcent. A ELPO 1 3 4 13,3% B Primer 9 5 14 46,7% C Esmalte 7 5 12 40,0% Total 30 100%

Para finalizar se construyó la matriz síntesis (véase Tabla 3.9) y se estableció que en el proceso esmalte se desarrollará la metodología Six Sigma .

Tabla 3.9 – Matriz síntesis para la determinación del proceso clave

Matriz Síntesis Criterio A Criterio B Criterio C Criterio D Criterio E Alternativas Porcent. Orden 18% 24% 18% 26% 14% 1 ELPO 40% 27% 27% 33% 13% 29% 3º 2 Primer 33% 27% 27% 27% 47% 31% 2º 3 Esmalte 27% 47% 47% 40% 40% 40% 1º Total 100%

3.2.1.2 Identificación de las características críticas

En esta etapa se conocieron los principales requisitos del cliente para el subproceso seleccionado. Estas características críticas para la satisfacción son denominadas CTS (en inglés: Critical To Satisfaction), las CTS son atributos de la Voz del Cliente (Moura/Quali, 2011). Para determinar las CTS de esmalte , se trabajó con ingeniería en procesos de pintura y se utilizó un diagrama de árbol (véase Figura 3.2).

Pulido de carrocería

Definición de los detalles Apariencia Carrocería sin imperfecciones

Cobertura total de la pintura

Apertura y cierre de puertas, baúl Buen ensamble y capot Presentación y apariencia correcta Protección a la corrosión interna y externa Durabilidad y resistencia Protección contra la luz ultravioleta y agentes químicos/mecánicos

Entrega de pedido a tiempo Cumplimiento Entrega de pedidos completos

Figura 3.2 - Características críticas de satisfacción 60

Éstas características se priorizaron según dos criterios: IIC 8 y GNC 9; los puntajes de cada criterio se muestran en la Tabla 3.10

Tabla 3.10 - Valoración del IIC y GNC

IIC GNC Mucho poco importante=1 Muy Bajo=1 Poco importante=3 Bajo=3 Medianamente importante=5 Medio=5 Importante=7 Alto=7 Muy Importante=9 Muy Alto=9

Modificado (Moura/Quali, 2011)

Como resultado se obtuvo la siguiente matriz de CTS priorizada (ver Tabla 3.11)

Tabla 3.11 - Matriz CTS priorizada

Atributos IIC GNC Puntaje Orden CTS 1 Pulido de carrocería 7 3 21 5 2 Definición de los detalles 9 5 45 2 3 Carrocería sin imperfecciones 9 7 63 1 4 Cobertura total de pintura 5 3 15 6 5 Apertura y cierre 3 1 3 9 6 Protección a la corrosión 3 5 15 6 7 Protección contra agentes externos 9 3 27 4 8 Entrega de pedidos a tiempo 7 5 35 3 9 Entrega de pedidos completos 5 3 15 6

Los factores determinantes del CTS con alto puntaje fueron:

Carrocería sin imperfecciones Definición de los detalles Pulido de carrocería Protección contra agentes externos 3.2.1.3 Definición de parámetros de desempeño

8 Índice de importancia del cliente: Como el consumidor percibe la manera en que la empresa y la competencia satisfacen sus necesidades y expectativas. 9 Grado de no conformidad: El nivel en que el producto incumple un requisito. 61

Las CTS se desdoblan en parámetros de desempeño del producto, que son las CTY (en inglés: Crytical To Product) relacionadas con la calidad, costo y entrega como se muestra en la Figura 3.3 (Moura/Quali, 2011),

Brillo

Apariencia Curado

Adherencia

Carrocería Espesor

Protección Nivelación

Resistencia al rayado

Figura 3.3 - Parámetros Críticos del Producto

Los distintos parámetros CTY se analizaron comparando la relación con los CTS priorizados en la Tabla 3.12

Tabla 3.12 - Matriz CTY priorizada

Parámetros CTS 9 7 5 3 Protección Entrega de Carrocería sin Definición de contra Puntaje pedidos a Orden imperfecciones los detalles agentes CTY tiempo externos Espesor 5 7 1 9 126 1 Nivelación OP 3 5 1 9 94 4 Brillo 5 9 1 1 116 2 Curado 5 5 3 1 98 3 Adherencia 5 3 3 5 96 5 Parametros CTY Parametros Resistencia al rayado 3 3 1 3 62 6

Los parámetros referentes a la calidad con mayor puntaje fueron los siguientes:

Espesor Brillo Curado

3.2.1.4 Definición de procesos críticos

A su vez las CTY se desdoblan en los parámetros críticos para el proceso CTX (en inglés: Crytical To Process), como se muestra en la Figura 3.4

Sala de pinturas Presión

Flujo

Viscocidad

Presión aspersión

Subroceso de esmalte Cabinas de aplicación

Temperatura

Humedad realtiva

Velocidad del aire

Horno Temperatura

Figura 3.4 - Parámetros Críticos del Proceso

Los parámetros CTX se analizaron comparando la relación con los CTY priorizados anteriormente (véase Tabla 3.13)

Tabla 3.13 - Matriz CTX priorizada

Parámetros CTY 9 7 5 Puntaje Espesor Brillo Curado Orden CTY Flujo 9 5 7 151 2 Viscocidad 7 7 5 137 3 Presion aspersion 5 5 7 115 5 Presion sala pinturas 3 3 3 63 8 Temperatura 5 7 5 119 4

Parametros CTX Parametros Humedad relativa 5 5 5 105 6 Velocidad del aire 5 3 3 81 7 Temperatura horno 7 9 7 161 1

Por medio del análisis de la matriz CTX y de la opinión de los responsables de cada uno de los procesos vinculados, se obtuvieron los siguientes parámetros claves:

Temperatura horno Flujo Viscosidad Temperatura cabina

Estos parámetros críticos seleccionados intervienen directamente en las características del producto para la brindar satisfacción al cliente; fue aquí donde se enfocó el análisis para desarrollar la propuesta de mejora.

3.2.1.5 Diagrama de Pareto

Se estudiaron los defectos ocurridos en la línea de esmalte realizados en el mes de diciembre del 2011 en las cabinas de control de calidad, la información al respecto se muestra en el Anexo H, del cual se obtuvo el siguiente diagrama (véase la Figura 3.5).

Pareto Chart of Defectos

100 200

80 150 60

Count 100 40 Percent

50 20

0 0 Defectos L E C E LJ O IB F C P Q L U R r P R U H R F P C O S O R H e M M S M M P T F C E G G P th O Count 60 36 24 19 19 14 9 5 4 3 3 3 3 310 Percent 28 17 11997422111 1 1 5 Cum % 28 45 56 65 73 80 84 87 88 90 91 93 94 95 100

Figura 3.5 – Diagrama de Pareto de defectos

Se concluyó que los defectos más comunes son Mal Pulido (MPL) y Mal Reparado (MRE). Para un análisis más objetivo se realizó un Pareto de segundo grado considerando la ubicación del defecto en los paneles de la carrocería (véase la Figura 3.6).

Pareto Chart of MPL-Ubicacion

60 100

50 80 40 60 30 Count

40 Percent 20

10 20

0 0 t l l r MPL-Ubicacion o ta a ta ta a o ta e p r r r r t g r h a e te e n n e t C u a ue u ro fa u O P L p p F a p to m rd te n o a n e C u a i G r m a ja P lo A Count 18 12 11 6 3 3 2 2 3 Percent 30.0 20.0 18.3 10.0 5.0 5.0 3.3 3.3 5.0 Cum % 30.0 50.0 68.3 78.3 83.3 88.3 91.7 95.0 100.0

Figura 3.6 – Diagrama de Pareto de ubicación

El mayor número de errores por Mal Pulido (MPL) se encontraron en: Capot, puertas y laterales.

3.2.1.6 Diagrama SIPOC – Macro

Para brindar una perspectiva general y amplia de todo el proceso, se utilizó el siguiente diagrama general SIPOC (véase Figura 3.7)

Entradas al Etapas básicas Salidas del Proveedores Clientes proceso del proceso proceso

- Clientes - Requisitos de - Sueldas de - Automotores - Dpto. Ventas - Dpto. de los clientes carrocería Terminados - Almacenamie compras - Ordenes de - Pintura - Datos de nto - Dpto. producción - Ensamblaje control de - Distribución Planificación - Materia Prima General calidad - Clientes - Proveedores - Mano de Obra

Figura 3.7 - Diagrama SIPOC – nivel macro del proceso de producción

3.2.1.7 Formalización del proyecto

La etapa Definir concluyó con la formalización de la carta que fue presentado a la dirección del proyecto para su revisión y aprobación. (véase la Tabla 3.14) 66

Tabla 3.14 – Carta del proyecto

Champion Ing. Roberto Jiménez Green Belt Renato Lalaleo Producto impactado Toda la línea de automotores Dirección Av. Maldonado y Amaru Ñan

Elemento Descripcion Plan de equipo

Proceso en el cual existe una Proceso Proceso de pintura, subproceso de esmalte oportunidad de mejora

Propósito del proyecto y sus Presentar una propuesta de mejoramiento para el Descripción del proyecto alcances proceso de esmalte

Salidas significativas que el Retomar el uso de herramientas estadisticas que ayuden Declaración del problema equipo busca mejorar a identificar y reducir variabilidad

Validar análisis de capacidad y estabilidad con los de la empresa Objetivo Lo que se pretende lograr Reducir defectos en el área de esmalte Controlar causas comunes que se presenten

Ing. Fernando Suárez - Ingeniería en manufactura Miembros del equipo Nombres y funciones Ing. César Agila - Ingeniería en procesos Lenin Barros - Aseguramiento de calidad

Proceso: El estudio comprende desde la recepcion del proceso de Primer hasta el envío de la carrocería a ¿Qué partes del proceso y de la Alcance del proyecto Ensamblaje metodología serán utilizadas? Metodología: El desarrollo de la metodología comprende Definir, Analizar, Medir y Mejorar

Cliente Interno: Ensamblaje, retocadores y Muestra tanto a los clientes aseguramiento de calidad Clientes beneficiados internos como externos beneficados Cliente Externo: Concesionarios, distribuidores y cliente final

Inicio Fin Definir 15-nov-11 30-nov-11 Cronograma Medir 01-dic-11 30-dic-11 Analizar y Mejorar 04-ene-12 27-ene-12 Propuesta 30-ene-11 10-feb-12 Ítem Costo Transporte $100 Útiles de oficina $50 Lo que se requiere para Copias $300 Definición de recursos desarrollar el proyecto Impresiones $200 Espiralados $50 Otros Gastos $200 TOTAL $900

3.2.2 MEDIR

Las mediciones fueron realizadas en el área de esmalte, por lo que fue necesario conocer la distribución física así como el desarrollo del proceso (véase el Anexo I); además se estudió el sistema de medición antes de recopilar información y conjuntamente se detalló el plan de muestreo que maneja el proveedor (véase el Anexo J).

3.2.2.1 Evaluación del sistema de medición

Evaluar el sistema de medición es una de las actividades obligadas de todo proyecto de Six Sigma, lo que se quiere evitar es que un artículo considerado defectuoso sea en realidad bueno y viceversa. De ahí la importancia de contar con un sistema robusto basado en un adecuado Gage R&R (Repetibilidad y Reproductibilidad). El estudio Gage R&R es la evaluación en forma experimental de la variabilidad total observada, donde se considera el error de medición, la variabilidad del producto y las tolerancias de calidad (Gutiérrez Pulido & De la Vara, 2005; Minitab Inc., 2010; Ochoa & Zagarola, 2011).

El análisis consideró a 2 operadores (A y B) con 8 muestras; se repitió la medición 2 veces por cada operador, se aplicó a los parámetros de brillo y espesor. Los resultados del análisis del sistema de brillo (véase el Anexo K), indicaron que sólo el 25.5% (%Var. del estudio) de la variación total en los datos se debió al sistema de medición, mientras que un 89,33% de dicha variación se debió a las diferencias entre los elementos medidos, como se muestra en la Figura 3.8. 68

R&R del sistema de medición (ANOVA) para Mediciones

Notificado por: Nombre del sistema de medición : Brillo Prev io a etapa Measure Tolerancia: F echa del estudio: 2011 Misc:

Componentes de variación Mediciones por Partes 100 % Contribución 50 % Var. del estudio 92 0 % Tolerancia Porcentaje n i r d e 90 ó t o r t ci e r a di ep ep p e R R a m te 88 e r d a a P m 1 2 3 4 5 6 7 8 e st si Partes l e d Gráfica R por Operadores R & Mediciones por Operadores R Operador 1 Operador 2 2 LCS=1,775 92 1 _ R=0,543 90 0 LCI=0 8765432187654321 88 Rango de la muestra la de Rango Partes Operador 1 Operador 2 Operadores Gráfica Xbarra por Operadores Operador 1 Operador 2 Interacción Partes * Operadores

92 _LCS=92,204 Operadores X=91,182 92 Operador 1 Operador 2 90 LCI=90,161 90

88 Promedio

Media de la muestra la de Media 8765432187654321 88 Partes 87654321 Partes

Figura 3.8 – Estudio R&R del sistema de medición de brillo

Los resultados del análisis al sistema de brillo (véase Anexo L), indicaron que sólo el 10.1% (%Var. del estudio) de la variación total en los datos se debió al sistema de medición, mientras que un 99.49% de dicha variación se debió a las diferencias entre los elementos medidos (véase Figura 3.9).

R&R del sistema de medición (ANOVA) para Mediciones

Notificado por: Nombre del sistema de medición : Espesor Previo a Measure Tolerancia: F echa del estudio: 2011 Misc:

Componentes de variación Mediciones por Partes

100 % Contribución 120 50 % Var. del estudio % Tolerancia 0

Porcentaje 110 n r d e ó ti o r t ci e r a di ep ep p e R R a m te e r 100 d a a P m 1 2 3 4 5 6 7 8 e st si Partes l e d R Gráfica R por Operadores & Mediciones por Operadores R Operador 1 Operador 2 2 LCS=2,042 120

1 _ R=0,625 110 0 LCI=0 8765432187654321 Rango de la muestra la de Rango 100 Partes Operador 1 Operador 2 Operadores Gráfica Xbarra por Operadores Operador 1 Operador 2 Interacción Partes * Operadores 120 120 Operadores _ Operador 1 X=110,88LCS=112,05 110 LCI=109,70 Operador 2 110

100 Promedio

Media de la muestra la de Media 8765432187654321 100 Partes 87654321 Partes

Figura 3.9 – Estudio R&R del sistema de medición de espesor

Se concluye que los sistemas de brillo y espesor midieron de forma uniforme y exacta; porque para tener un sistema de medición adecuado, el componente de variación del sistema de medición debe ser menor al 30% y el componente de variación parte a parte debe ser el más grande. Por lo que en los procesos no existe variabilidad considerando al sistema de medición. Además se destaca que los equipos de medición (véase Tabla 3.15) tienen un plan de calibración anual que aseguran la exactitud y linealidad del instrumento; evidencia es su respectivo sello de calibración, como se muestra en el Anexo M.

Tabla 3.15 – Equipos de medición

Variables Equipos de medición Brillo Brillómetro (Elcometer 407) Espesor Espesímetro (Elcometer 456) Flujo Cronómetro, Probeta Termómetro, Copa Ford #4, Viscosidad Cronómetro Temperat ura cabina Anemómetro (Testo 417) Temperatura hornos Termómetros

3.2.2.2 Estabilidad y capacidad del proceso respecto a la variable de espesor

De acuerdo plan al muestreo, se recopilaron datos (véase Anexo N) para el siguiente estudio de estabilidad del proceso como se muestra en la Figura 3.10

Análisis de capacidad para Espesor Informe de diagnóstico

Gráfica Xbarra-R Confirme que el proceso es estable. 120

110 Media 100

10 Rango

0 1 4 7 10 13 16 19 22 25 28 31

Gráf. normalidad (lambda = 5,00) Los puntos deben estar cerca de la línea. Prueba de normalidad (Anderson-Darling) Original Transformado

Resultados No pasa Pasa Valor p < 0,005 0,093

Figura 3.10 – Análisis de estabilidad de la variable espesor

La tabla de control X y R no presentó puntos fuera de los límites y el comportamiento de ellos no siguió ningún patrón o tendencia, por lo que el proceso se consideró en control estadístico. Con respecto al análisis de capacidad (véase Figura 3.11) se obtuvo el siguiente análisis:

Análisis de capacidad para Espesor Informe de desempeño del proceso

Histograma de capacidad Caracterización del proceso ¿Están los datos dentro de los límites? N Total 96 LEI LES Tamaño del subgrupo 3

Estadísticas de capacidad

Real (general) Pp 1,49 Ppk 0,77 Z.Bench 2,31 % fuera espec. (observado) 0,00 % fuera espec. (esperado) 1,03 PPM (DPMO) (observado) 0 PPM (DPMO) (esperado) 10334

Datos transformados 96 102 108 114 120 126

La capacidad real (general) es lo que experimenta el cliente.

La capacidad potencial (dentro de) es la que se podría alcanzar si se eliminaran los desplazamientos y desvíos del proceso.

Figura 3.11 – Análisis de capacidad de la variable espesor 71

El nivel de capacidad potencial ( ) tiene un valor superior al estándar de la empresa ( ) y que el nivel de capacidad real ( ) tiene un valor bajo. Se concluye que el nivel de capacidad es el adecuado pero se encuentra descentrado, por lo que se obtienen muestras fuera de la especificación inferior en un 1.03% (véase el Anexo B).

3.2.2.3 Estabilidad y capacidad del proceso respecto a la variable brillo

De la misma manera, se tomó muestras respecto a la variable brillo (véase Anexo N) para el siguiente análisis de estabilidad, como se muestra en la Figura 3.12

Process Capability Sixpack of Brillo Johnson Transformation with SU Distribution Type -3,268 + 3,092 * Asinh( ( X - 83,427 ) / 5,855 ) Xbar Chart Capability Histogram

2 UCL=1,915

_ 0 X=0,012 Sample Mean Sample

-2 LCL=-1,891 1 3 5 7 9 11 13 15 -2 -1 0 1 2 3

R Chart Normal Prob Plot AD: 0,541, P: 0,156 UCL=4,788 4

_ 2 R=1,860 Sample Range Sample 0 LCL=0 1 3 5 7 9 11 13 15 -2 0 2

Last 16 Subgroups Transformed Capa Plot Overall Overall 2 Location 0,0121334 Scale 1,01262 0 Values Pp * Ppk 0,81 Specs -2 5 10 15 Sample

Figura 3.12 – Análisis de estabilidad de la variable brillo

En las cartas X y R no existieron valores fuera de los límites, además los puntos no presentan patrones anormales de comportamiento. Se concluye que el proceso ha venido funcionando de manera estable considerando su tendencia central y la amplitud de variación. El análisis de capacidad se muestra en la Figura 3.13

Process Capability of Brillo Johnson Transformation with SU Distribution Type -3,268 + 3,092 * Asinh( ( X - 83,427 ) / 5,855 )

LSL* Process Data transformed data O v erall C apability LSL 85 Pp * Target * PPL 0,81 USL* PPU* Sample Mean 91,2917 Ppk 0,81 Sample N 48 Exp. O v erall Performance StDev 3,50658 PPM < LSL 7573,00 Shape1 -3,26838 PPM > USL * Shape2 3,09163 PPM Total 7573,00 Location 83,4269 Scale 5,85491 A fter Transformation LSL* -2,4474 Target* * USL* * Sample Mean* 0,0121334 StDev* 1,01262

O bserv ed Performance PPM < LSL 0 PPM > USL * PPM Total 0

-2 -1 0 1 2 3

Figura 3.13 – Análisis de capacidad de la variable brillo

Se trabajó con la variable del tipo mientras más grande mejor de un solo nivel de especificación. El análisis de capacidad determinó que el , por lo que el proceso es incapaz de cumplir con la especificación inferior, el porcentaje aproximado de productos que tienen un espesor menor a 85 GU está alrededor del 0.8%, es decir 7.573 DPMO.

3.2.2.4 Estabilidad y capacidad del proceso respecto a la variable flujo

De acuerdo al muestreo, se obtuvieron los datos como se muestra en el Anexo N, para el siguiente estudio de estabilidad del proceso (véase Figura 3.14).

Process Capability Sixpack of Flujo Xbar Chart Capability Histogram UCL=419,72

400 7 7 _ X=389,17 375

Sample MeanSample LCL=358,61 350 1 5 9 13 17 21 25 29 33 345 360 375 390 405 420

R Chart Normal Prob Plot 80 UCL=76,88 A D: 4,474, P: < 0,005

40 _ R=29,86 Sample RangeSample 0 LCL=0 1 5 9 13 17 21 25 29 33 350 400 450

Last 25 Subgroups Capability Plot 420 Within Within O v erall StDev 17,6393 StDev 16,368 390 C p 0,76 Pp 0,81 O v erall

Values C pk 0,58 Ppk 0,63 360 C C pk 0,76 C pm * Specs 15 20 25 30 35 Sample

Figura 3.14 – Análisis de estabilidad de la variable flujo

La carta R no presentó inconveniente en patrones y puntos fuera del límite; en cambio la carta X indicó tendencias en los puntos 22 y 23, los puntos se encuentran agrupados con más de 15 en torno a la línea central, por lo que el proceso no se encuentra en control estadístico. Se debería redefinir los límites de especificación, reduciendo las tolerancias. El análisis de capacidad se muestra en la Figura 3.15

Process Capability of Flujo

LSL USL Process Data Within LSL 340 Overall Target * USL 420 Potential (Within) C apability Sample Mean 389,167 C p 0,76 Sample N 108 C PL 0,93 C PU 0,58 StDev (Within) 17,6393 StDev(Overall) 16,368 C pk 0,58 C C pk 0,76 O v erall C apability Pp 0,81 PPL 1,00 PPU 0,63 Ppk 0,63 C pm *

345 360 375 390 405 420

O bserv ed Performance Exp. Within Performance Exp. O v erall Performance PPM < LSL 0,00 PPM < LSL 2657,13 PPM < LSL 1333,05 PPM > USL 0,00 PPM > USL 40232,57 PPM > USL 29799,20 PPM Total 0,00 PPM Total 42889,70 PPM Total 31132,25

Figura 3.15 – Análisis de capacidad de la variable flujo 74

Si bien, en el análisis de capacidad ( ) se obtuvo indicadores bajos, se debió a que no existió un procedimiento normalizado en la determinación del flujo, pues se notan datos concentrados alrededor de 390 ml/min y unos cuantos en 340 ml/min, por lo que los datos no sigue una distribución normal influyendo en la interpretación. Se espera definir de mejor manera las especificaciones y revisar el procedimiento de registro de datos.

3.2.2.5 Estabilidad y capacidad del proceso respecto a la variable temperatura cabina

Se tomó muestras respecto a la variable temperatura cabina (véase Anexo N), para el análisis de estabilidad.

Process Capability Sixpack of Temperatura cabina Xbar Chart Capability Histogram UCL=29,631 29 _ 28 X=28,130

Sample MeanSample 27 LCL=26,629 1 3 5 7 9 11 13 15 17 26 27 28 29 30

R Chart Normal Prob Plot 4 A D: 3,548, P: < 0,005 UCL=3,777

2 _ R=1,467 Sample RangeSample 0 LCL=0 1 3 5 7 9 11 13 15 17 26 28 30

Last 18 Subgroups Capability Plot 30 Within Within O v erall StDev 0,86666 StDev 0,805825 C p 1,15 Pp 1,24 28 O v erall

Values C pk 0,72 Ppk 0,77 C C pk 1,15 C pm * 26 Specs 0 5 10 15 20 Sample

Figura 3.16 – Análisis de estabilidad de la variable temperatura de cabina

Las cartas X y R indican que no existieron puntos fuera de los límites y ninguna clase de tendencias. Se concluyó que el proceso es estable. Respecto al análisis de capacidad se realizó según la Figura 3.17

Process Capability of Temperatura cabina

LSL USL Process Data Within LSL 24 Overall Target * USL 30 Potential (Within) C apability Sample Mean 28,1296 C p 1,15 Sample N 54 C PL 1,59 C PU 0,72 StDev (Within) 0,86666 StDev(Overall) 0,805825 C pk 0,72 C C pk 1,15 O v erall C apability Pp 1,24 PPL 1,71 PPU 0,77 Ppk 0,77 C pm *

24 25 26 27 28 29 30

O bserv ed Performance Exp. Within Performance Exp. O v erall Performance PPM < LSL 0,00 PPM < LSL 0,94 PPM < LSL 0,15 PPM > USL 0,00 PPM > USL 15458,60 PPM > USL 10141,70 PPM Total 0,00 PPM Total 15459,55 PPM Total 10141,85

Figura 3.17 – Análisis de capacidad de la variable temperatura de cabina

El índice de capacidad ( ) tiene un nivel parcialmente adecuado, esto se debió a que el conjunto de datos estuvo orientado hacia el LSE, por lo que se obtienen muestras fuera de las especificaciones del orden de 0.010%, expresado en 10.142 DPMO.

3.2.2.6 Estabilidad y capacidad del proceso respecto a la temperatura de horno

Tanto la carta X y R fueron estables y no hubo puntos fuera de control (véase

Figura 3.18). El análisis de capacidad indicó un nivel , y se enmarcó como variable de categoría mundial.

Process Capability Sixpack of Radiacion Xbar Chart Capability Histogram UCL=199,773 199 _ 198 X=198,161

Sample MeanSample 197 LCL=196,549 1 3 5 7 9 11 13 15 17 196 197 198 199 200

R Chart Normal Prob Plot A D: 0,482, P: 0,222 4 UCL=4,057

2 _ R=1,576 Sample RangeSample 0 LCL=0 1 3 5 7 9 11 13 15 17 195,0 197,5 200,0

Last 18 Subgroups Capability Plot 200 Within Within O v erall StDev 0,930802 StDev 0,996623 C p 3,58 Pp 3,34 198 O v erall

Values C pk 2,92 Ppk 2,73 C C pk 3,58 C pm * 196 Specs 0 5 10 15 20 Sample

Figura 3.18 – Análisis de estabilidad de la variable horno-radiación

Process Capability of Radiacion

LSL USL Process Data Within LSL 190 Overall Target * USL 210 Potential (Within) C apability Sample Mean 198,161 C p 3,58 Sample N 54 C PL 2,92 C PU 4,24 StDev(Within) 0,930802 StDev(Overall) 0,996623 C pk 2,92 C C pk 3,58 O v erall C apability Pp 3,34 PPL 2,73 PPU 3,96 Ppk 2,73 C pm *

192 195 198 201 204 207 210

O bserv ed Performance Exp. Within Performance Exp. O v erall Performance PPM < LSL 0,00 PPM < LSL 0,00 PPM < LSL 0,00 PPM > USL 0,00 PPM > USL 0,00 PPM > USL 0,00 PPM Total 0,00 PPM Total 0,00 PPM Total 0,00

Figura 3.19 – Análisis de capacidad de la variable horno-radiación

Con respecto a la estabilidad de la variable temperatura horno-convección, tanto la carta X y R del proceso fueron estables y no hubo puntos fuera de control (véase Figura 3.20). El análisis de capacidad real ( ) estuvo descentrado hacia el LIE, ocasionando 0.72 DPMO; mientras que el nivel de capacidad potencial ( ) se enmarcó como variable de categoría mundial con la salvedad de centrar al proceso. 77

Process Capability Sixpack of Conveccion Xbar Chart Capability Histogram 149 UCL=148,962

_ 147 X=146,904 Sample MeanSample 145 LCL=144,845 1 3 5 7 9 11 13 15 17 144,0 145,6 147,2 148,8 150,4

R Chart Normal Prob Plot UCL=5,179 A D: 0,247, P: 0,743 4

_ 2 R=2,012 Sample RangeSample 0 LCL=0 1 3 5 7 9 11 13 15 17 144 146 148 150

Last 18 Subgroups Capability Plot

150,0 Within Within O v erall StDev 1,18838 StDev 1,43211 147,5 C p 2,8 Pp 2,33 O v erall

Values C pk 1,94 Ppk 1,61 145,0 C C pk 2,8 C pm * Specs 0 5 10 15 20 Sample

Figura 3.20 – Análisis de estabilidad de la variable horno-convección

Process Capability of Conveccion

LSL USL Process Data Within LSL 140 Overall Target * USL 160 Potential (Within) C apability Sample Mean 146,904 C p 2,80 Sample N 54 CPL 1,94 StDev (Within) 1,18838 CPU 3,67 StDev (O v erall) 1,43211 C pk 1,94 C C pk 2,80 O v erall C apability Pp 2,33 PPL 1,61 PPU 3,05 Ppk 1,61 C pm *

140,8 144,0 147,2 150,4 153,6 156,8 160,0

O bserv ed Performance Exp. Within Performance Exp. O v erall Performance PPM < LSL 0,00 PPM < LSL 0,00 PPM < LSL 0,72 PPM > USL 0,00 PPM > USL 0,00 PPM > USL 0,00 PPM Total 0,00 PPM Total 0,00 PPM Total 0,72

Figura 3.21 – Análisis de capacidad de la variable horno-convección

Se presenta un resumen del análisis considerando aspectos como: técnicas de medición, valores de especificación, defectos, estado actual, entre otros (véase Tabla 3.16).

Tabla 3.16 – Matriz síntesis del estado actual de variables

Técnica de Valor Variable LIE LSE Cp Cpk DPMO Estado medición Nominal Más alto, Brillo Brillómetro 85 - - .81 7573 En estudio mejor

Espesor Espesímetro 92 - 130 1.49 .77 10334 En estudio

Probeta, Flujo 340 - 420 .81 .63 31133 En estudio Cronómetro Temperatura Termómetro 24 - 30 1.24 .77 10141 En estudio Cabina Temperatura Termómetro 190 200 210 3.34 2.73 0 En control Radiación Temperatura Termómetro 140 150 160 2.33 1.61 0.72 En control Convección

3.2.3 ANALIZAR

En esta etapa se lleva a cabo el análisis de la información recolectada para determinar las causas raíz de los defectos y oportunidades de mejora.

3.2.3.1 Diagrama de árbol causa-efecto

El diagrama de Ishikawa ayudó en la identificación de las causas primarias de los problemas, se usó la técnica de lluvia de ideas junto al responsable de pintura. Se consideró las variables críticas del producto como del proceso y se procedió a determinar las causas.

Desgaste Material pistolas Máquina

Mala calibración Existe fluctuación Preparación de pintura pistola de presión sin especificación Varia flujo en aplicación Inadecuada dimensión cámara flash off Preparación de clear Temperatura sin especificación ambiente variable Aparente zona de pre-secado Variación Aplicación Brillo Termómetros sin mantenimiento No se respeta el tiempo de oreo

Control de temperatura

Aplicación de capas de pintura (húmedo sobre húmedo) Mejorar estandarización de operaciones No cumplen procedimientos de aplicación

Método Mano Obra

Figura 3.22 – Diagrama de Ishikawa de la variable brillo

Material Máquina Boquillas obstruidas Temperatura ambiente variable Mala calibración Preparación de pintura pistola sin especificación Existe fluctuación de presión

Varia flujo en aplicación Inadecuada dimensión Preparación de clear cámara flash off sin especificación

Aparente zona de pre-secado Variación en espesor

Termómetro Cumplir programación sin mantenimiento indicada No se respeta Control de el tiempo de oreo temperatura No cumplen procedimientos de aplicación Mejorar estandarización de operaciones Tiempo de Aplicación de capas de pintura aplicación corto (húmedo sobre húmedo) Desconocimiento del flujo ideal

Método Mano Obra

Figura 3.23 – Diagrama de Ishikawa de la variable espesor

Material Máquina Incorrecto mantenimiento de paños

Pulimento fuera Paños con suciedades de especificaciones Bajo nivel de iluminación Incorrecto uso de lijadora

MPL-MLJ Falta capacitación

Falta de control del mantenimiento de los equipos No detectan defectos Deficiente procedimiento Ambiente de pulido Filtros de aire no se con partículas No miran los cambian periódicamente defectos señalados Operario percibe acumulación de unidades Método Mano Obra

Figura 3.24 – Diagrama de Ishikawa de defecto MPL-MLJ

Material Hollín de caldero Máquina

Pintura con residuos sólidos Ambiente con partículas Concentración de suciedad Clear con en filtros residuos sólidos Presencia de polvo Solventes con arremolinado residuos sólidos Cabinas sin puertas de aislamiento SUC

Paño de limpieza Limpieza defectuosa No cumplen sucio de superficie procedimientos de limpieza Ingreso de personal Lijado deficiente no autorizado de la capa precedente

Overoles con partículas de suciedad

Método Mano Obra

Figura 3.25 – Diagrama de Ishikawa de defecto SUC

3.2.3.2 Diagrama de dispersión

Para describir la posible relación entre la temperatura (en grados centígrados) del barniz y el tiempo usado en una copa Ford 4 (CF4 en segundos), se analizó la dispersión de éstas dos variables (véase en la Figura 3.26).

Regresión para cf4 (seg) vs. temp (*c) Informe de selección de modelo Y: cf4 (seg) X: temp (*c) Gráfica de línea ajustada para modelo lineal Y = 45,92 - 0,7875 X

32,5 Residuo grande

30,0 cf4(seg) 27,5

25,0 18 19 20 21 22 23 24 25 26 27 temp (*c)

Estadísticas

Modelo seleccionado Lineal R-cuadrado (ajustado) 93,08% Valor p, modelo 0,000* Valor p, término lineal 0,000* Valor p, término cuadrático - Valor p, término cúbico - Desviación estándar de los residuos 0,459

* Estadísticamente significativo (p < 0,05)

Figura 3.26 – Relación entre CF4 y Temperatura 81

Por regresión lineal la ecuación describe la relación Y y X de la siguiente manera:

Se concluye que existió una correlación negativa es decir cuando aumenta la temperatura, el tiempo de CF4 tiende a disminuir. Asimismo el modelo pudo explicar que 93.08% de variación en la CF4, se debió a la variación de la temperatura. No se logró describir el 100% de la relación por la variación de temperatura que existe en el área de mezclas, esto se compensa en la actualidad adicionando dos segundos a manera de holgura para que esté dentro del estándar, como se muestra en el Anexo O de la curva de viscosidad.

3.2.3.3 Diagrama de caja

Para visualizar la variabilidad del conjunto de datos recolectados se analizó el diagrama de caja para el flujo derecho e izquierdo en la cabina de aplicación (véase la Figura 3.27).

Figura 3.27 – Diagrama de caja sobre flujo derecho e izquierdo

Se tienen los siguientes resultados:

La mediana y media de ambos flujos se encontraron a la par. El tercer cuartil de ambos flujos fue amplio, por lo que la mayor parte de muestras estuvieron sobre la mediana. El rango intercuartílico del flujo derecho fue más extenso que el flujo izquierdo, por lo que el tercer cuartil derecho presentó mayor variación.

El análisis de caja sobre los espesores verticales y horizontales se realizó en cada uno de los paneles de la carrocería (véase la Figura 3.28).

Figura 3.28 – Diagrama de caja sobre espesor horizontal y vertical

Se concluye que:

El espesor vertical presentó valores inferiores al espesor horizontal, considerando el intervalo entre 100 y 105 micras. Los paneles verticales con valores inferiores fueron: puerta delantera izquierda, puerta posterior izquierda, puerta delantera derecha y puerta posterior derecha. 83

3.2.3.4 Análisis Multi-Vari

Al realizar un análisis de múltiples variables por la simple comparación de las medias, se visualizaron algunos factores que influyeron en las mediciones. La carta Multi-Vari estudió las relaciones entre las mediciones hechas en los flujos (derecha e izquierda) y las horas de la toma de muestras. (véase la Figura 3.29).

Multi-Vari Chart for Desvio by Ubicacion - Horas

Ubicacion L 395 R

390

385 Desvio

380

375 7 10 13 Horas

Figura 3.29 – Análisis Multi-vari sobre flujo

Se tienen los siguientes resultados:

A medida que avanzó el día, los flujos aumentaron. El flujo de las 7 horas fue inferior en relación al flujo de las 10 y 13 horas. Existió mayor variación de flujo a las 13 horas. El flujo que presentó menor variación fue a las 10 horas. El flujo derecho fue mayor que el flujo izquierdo en las tres muestras.

Además se analizó la relación de los espesores (vertical y horizontal) recolectados en tres muestras a lo largo del día (véase la Figura 3.30). 84

Multi-Vari Chart for Medición by Ubicacion - Muestra

111 Ubicacion H V 110

109

108 Medición 107

106

105

8/horas 11/horas 14/horas Muestra

Figura 3.30 – Análisis Multi-vari sobre espesores

La figura muestra que:

Mientras transcurrió el día, los espesores se redujeron. El espesor horizontal fue mayor al espesor vertical en cada una de las tres muestras. Existió una mayor variación de espesores en la muestra uno. La muestra tres presentó menor variación.

El análisis Multi-Vari realizado en las Figuras 3.29 y 3.30 muestra que a lo largo del día, los flujos aumentan al finalizar el turno de las 13 horas, pero los espesores se reducen en el mismo lapso del tiempo. Posiblemente se deba al efecto que tuvo la curva de trabajo en los operadores al finalizar el turno o también al sentido de cumplir con la planificación diaria que obligó a modificar los flujos para compensarlo de esa manera, sin percatarse que al intervenir en una CTX se alteró una CTY.

De acuerdo a la Figura 3.28, se utilizó la información sobre los paneles verticales con espesor bajo, para analizar la variación de acuerdo a la posición de aplicación (derecha e izquierda) como se muestra en la Figura 3.29.

Multi-Vari Chart for Mediciones by Panel - Posición

1 2 3 Der. Izq. Panel 114 Guardafango Del. Guardafango Post. 112 Puerta Del. Puerta Post. 110

108

106 Mediciones 104

102

100

1 2 3 Muestra Panel variable: Posición

Figura 3.31 – Análisis multi-vary de posición de espesores

Se concluye que:

Mientras transcurrió el día, los espesores de las muestras disminuyeron. Los espesores con valores mínimos fueron: puerta delantera y puerta posterior. Los espesores con valores dentro del promedio fueron: guardafango delantero y guardafango posterior. De manera general, el espesor en la posición derecha fue más alto que la izquierda. La aplicación en el espesor izquierdo presentó menor variación que la aplicación en posición derecha.

3.2.3.5 Análisis de modos de fallos y efectos /fallas potenciales

El diagrama AMFE analizó los potenciales modos de falla de un proceso, por lo que para cada falla, en primer lugar se estimó el efecto que esta tiene, se dio una calificación de severidad (S) como se muestra en la Tabla 3.16; luego se definieron las causas potenciales por la que se pudo presentar el efecto, la misma que se valoró por el chance de ocurrencia (O) (véase Tabla 3.17), de inmediato se calculó el índice de riesgo (SxO), y se identificó los métodos actuales de control, junto a las medidas de acción preventiva. El diagrama se aplicó a los CTX como se muestra en la Tabla 3.18.

Tabla 3.17 – Criterio para índice de severidad

Indice de severidad (S) S Descripción 1 Sin gravedad 2 Alguna gravedad 3 Grave 4 Muy grave 5 Extremadamente grave

Tabla 3.18 – Criterio para índice de ocurrencia

Indice de Ocurrencia (O) O Descripción 1 Altamente improbable 2 Poco probable 3 Probable 4 Muy probable 5 Ocurrencia prácticamente cierta

Tabla 3.19 – Matriz AMFE de CTX´s

or detemperatura or

boquillas inicioal finy de jornada

eflujo muestreo sistemáticopor CEP y

iemposunidad deaplicación por de temperatura por muestreo sistemático por de temperatura

dereserva ctroestática

ia delia proceso

r margen de error enviscosidad de error margen r

oria deloria proceso

ejar margen de error enviscosidad de error margen ejar itoriadel proceso

ditoriadel proceso ditoriadel proceso

sual Auditoriadel proceso

iónmanual Instalacióndededentrotermómetrocabina

actuales Controles preventiva Acción Controles actuales Controles preventiva Acción

riesgo riesgo

ocurrencia ocurrencia

Causa potencial Causa potencial Causa

severidad

2cubrimiento del Mal material 2 4 Inspecciónvisual Audit

2se Norespetael tiempo deoreo 2 4 Tiempooperador/ Au

3cabina Variacióndetemperatura 3 9 Proveedor Medición

3ensecuenciala de aplicación Error 2 6 Inspecciónvi

3 Viscosidadfueradeespecificaciones 3 9 Proveedor Man

3programación Cumplir con 1 3 Inspecciónvisual t Recordar

3flujo Bajo depintura 3 9 Inspecciónvisual Mediciónd

3 Boquillasobstruidas 2 6 Inspecciónvisual Revisiónde

2limpieza Incorrecta deunidad 1 2 Inspecciónvisual Aud

2flash off Temperatura fueraespecificaciones 1 2 Medic

2se Norespetael tiempo deoreo 2 4 Tiempooperador/ Au

3ambiente Temperatura variable 2 6 Mediciónmanual Auditor

3variable cabina Temperatura 3 9 Proveedordel Cambio medid

3 Viscosidadfueraespecificaciones 3 9 Proveedor Maneja

3 Desgastedepistolas 1 3 Inspecciónvisual Pistolaele

Análisis de fallas potenciales fallas deAnálisis

Altoespesor

Bajo espesor Bajo

Bajo espesor Bajo Altoespesor

Niveldebrillo bajo

niveldebrillo

Variaciónenel Variaciónenel

niveldeespesor

cabina

Temperatura de Temperatura

Flujodeaplicación

CTX (Proceso Crítico) (Proceso CTX potencial Problema Efecto CTX (Proceso Crítico) (Proceso CTX potencial Problema Efecto 88

4 PLAN DE MEJORA

El plan de mejora se basó en la cuarta etapa del DMAMC Mejorar; se propusieron y evaluaron las soluciones generadas por las causas especiales identificadas en el anterior capítulo. Este se concibió usando herramientas como: diagramas de árbol, lluvias de ideas, pláticas con el personal, árbol de contingencias para finalmente plasmarlo en un plan de implementación donde se estiman los costos, un cronograma de ejecución y las consideraciones prácticas antes de ponerlo en marcha. Para el caso de la de las causas comunes se realizó una propuesta de diseño experimental en donde se consideraron variables de entrada para luego entender su comportamiento en una variable de salida.

4.1 MEJORAR

4.1.1 DIAGRAMA DE ÁRBOL (PLAN DE ACCION)

El diagrama de árbol de objetivos encontró soluciones potenciales a través de la expansión del pensamiento. La forma de elaborarlo consistió en:

Establecer el objetivo Generar los objetivos secundarios Generar los medios y tareas Montar/revisar el diagrama Revisión final (Moura/Quali, 2011)

En este caso, el objetivo principal fue pintar carrocerías de excelente calidad; el desarrollo del diagrama se muestra en la Figura 4.1. 89

Objetivo Objetivos secundarios Tareas de principal y medios implementación

Ingreso personal Recordar la competencia autorizado en del personal en cada unidad de trabajo unidad de trabajo

Capacitar en: método, Capacitación Mejorar patrón, traslapado y técnica desempeño gama de aplicación

Capacitación en herramientas Utilizar software estadísticas estadístico Capacitación en manejo de software Optimizar controles al Delegar funcionario proceso responsable de mediciones de Aymesa Validar Utilizar información información de estadística de producto proveedores (proveedores)

Pintar Realizar análisis carrocerías de estadístico de proceso excelente calidad (Aymesa)

Adquirir manómetros y termómetros

Renovar equipos Adquirir espesímetro medición capa por capa

Auditar niveles de iluminación

Socializar plan de mantenimiento con área Correcto Fortalecer plan de de pintura funcionamiento mantenimiento de de equipos cabinas Auditar plan de limpieza de cabinas

Crear ambiente Instalar protección hermético en contra partículas cabinas

Monitorear Control estadístico de la cámara flash off temperatura de cámara

Figura 4.1 - Diagrama de árbol de objetivos

4.1.2 ÁRBOL DE CONTINGENCIA

El árbol de contingencia anticipó los problemas potenciales antes de implementar un plan de acción, además de identificar y seleccionar contramedidas. El diagrama básico se muestra así:

Actividad que será realizada

Problema potencial

Ok, Seleccionada Acción preventiva o alternativa Rechazada, Dificil

Figura 4.2- Estructura de árbol de contingencias

Se consideraron como actividades que serán realizadas, las tareas de implementación detalladas en la Figura 4.1.

Recordar la competencia del personal en cada unidad de trabajo

El personal está conciente pero por facilidad ingresa a las áreas no permitidas

Sancionar al personal

Revisión de funciones en manual de procesos

Poka Yoke en apertura de puertas de acceso lateral

Figura 4.3 – Árbol de contingencias para injerencia de personal 91

Capacitar en: método, patrón, traslapado y gama de aplicación

No existe disponibilidad de tiempo

Breves charlas para recordar procedimientos

Grabar la forma de aplicación y citarlos individualmente para analizarlo

Auditoría en procedimientos

Figura 4.4 - Árbol de contingencias para capacitación técnica

Capacitación en herramientas estadísticas

Ciertas herramientas conocen y no es necesario

Breves charlas de estadística orientada al 6s

Compartir información en grupos de trabajo

Motivar en base a los beneficios que se obtiene aplicando la metodología

Figura 4.5 - Árbol de contingencias para capacitación en herramientas estadísticas

Capacitación en manejo de software

Excel puede ayudar en manejo estadístico

Beneficios sobre el manejo del software especializado

Figura 4.6 - Árbol de contingencias para capacitación en software

Delegar funcionario responsable de mediciones de Aymesa

No dispone en algunas ocasiones de tiempo

Coordinar actividades con proveedor

Establecer un plan de muestreo

Figura 4.7 - Árbol de contingencias para delegar funcionario

Utilizar información estadística de proveedores

La responsabilidad está a cargo del provedor

Monitorear información presentada por proveedores

Figura 4.8 - Árbol de contingencias para información estadística de proveedores

Realizar análisis estadístico del proceso (Aymesa)

Proveedores ya realizan el análisis Sobreprocesamiento de información

Utilizar información que tomó Modificar hoja de recolección funcionario y validarla datos

Monitorear límites de Ingreso de datos a software especificación estadístico

Explicar los beneficios en relación a análisis exploratorio de datos

Figura 4.9 - Árbol de contingencias para información estadística de AYMESA

Adquirir manómetros y termómetros

Los actuales medidores se encuentran funcionando

Seguir con el procedimiento de calibración

Adquirir un termo-higrómetro en cabina

Cumplir con plan de mantenimiento

Figura 4.10 - Árbol de contingencias para adquirir manómetros y termómetros 94

Adquirir espesímetro capa por capa

Se dispone de un espesímetro básico

Realizar un análisis estadístico para cada recubrimiento

Calibrarlo periódicamente

Cumplir con plan de mantenimiento

Figura 4.11 - Árbol de contingencias para adquirir Espesímetro

Auditar niveles de iluminación

No se tiene previsto realizar este examen en el año

Considerar a futuro la evaluación

Cumplir con plan de mantenimiento

Figura 4.12 - Árbol de contingencias para auditar niveles de iluminación

Socializar plan de mantenimiento con área de pintura

No se comparte información

Postear en cartelera el estado del plan de mantenimiento

Intercambiar información y requerimientos

Figura 4.13 - Árbol de contingencias para socializar plan de mantenimiento

Protección contra partículas

Necesita montar infraestructura

Cumplir con plan de mantenimiento

Uso de overoles desechables

Uso adecuado de equipo de protección

Denegar acceso a personal no autorizado

Figura 4.14 - Árbol de contingencias para protección de partículas 96

Control estadístico de la temperatura de cámara

La cámara debe ser más amplia

Mantener puertas de acceso cerradas

Instalar termómetro en cabina

Figura 4.15 - Árbol de contingencias para control estadístico de cámara

4.2 PLAN DE IMPLEMENTACION

Para implementar una solución es importante elaborar un plan que especifique las diferentes tareas, descripción (en que consiste, dónde se va a implementar), las fechas para cada una, los recursos monetarios requeridos, las personas responsables y participantes en cada tarea. Luego de elaborar los diagramas de árbol se escogieron las opciones más viables por el impacto que tendrán en el desempeño de los procesos de la empresa. En la Figura 4.1 se presenta las tareas por realizar, junto a los responsables del área.

Tabla 4.1 – Matriz de la propuesta de mejora

No. Tareas Acciones preventivas/alternativas Responsable

Recordar competencia de personal en Revisión de funciones en manual de procesos 1 Superintendencia de pintura cada unidad de trabajo Poka Yoke en apertura de puertas de acceso lateral Capacitar en método, patrón, Breves charlas para recordar procedimientos 2 Superintendencia de pintura traslapado y gama de aplicación Grabar forma de aplicación y citarlos para analizar video Capacitación en herramientas 3 Compartir información en grupos de trabajo estadísticas Ingeniería en procesos de pintura 4 Capacitación en manejo de software Beneficios sobre el manejo de software especializado Ingeniería en procesos de pintura Delegar funcionario responsable de Coordinar actividades con proveedor 5 mediciones Establecer un plan de muestreo Ingeniería en procesos de pintura Utilizar información estadística de 6 Monitorear información presentada por proveedores proveedores Ingeniería en procesos de pintura Validar información Realizar análisis estadístico del proceso 7 Monitorear límites de especificación (Aymesa) Ingeniería en procesos de pintura Ingresar datos a software estadístico Seguir con el procedimiento de calibración 8 Adquirir manómetros y termómetros Cumplir con plan de mantenimiento Ingeniería en procesos de pintura Adquirir un termo-higrómetro en cabina Realizar un análisis estadístico para cada recubrimiento 9 Adquirir espesímetro capa por capa Calibrarlo periódicamente Ingeniería en procesos de pintura Cumplir con plan de mantenimiento 10 Auditar niveles de iluminación Cumplir con plan de mantenimiento Superintendencia de pintura Socializar plan de mantenimiento con Postear en cartelera el estado del plan de mantenimiento 11 área de pintura Intercambiar información y requerimientos Departamento de mantenimiento Cumplir con plan de mantenimiento 12 Protección contra partículas Uso adecuado de equipo de protección Superintendencia de pintura Denegar acceso a personal no autorizado Control estadístico de temperatura en Mantener puertas cerradas 13 Ingeniería en procesos de pintura cabina flash off Instalar termómetro en cabina

4.2.1 CONSIDERACIONES PRÁCTICAS

Luego de determinar el plan, se amplía cada una de las tareas a desempeñar, encaminadas principalmente en satisfacer las necesidades del cliente al ofrecer un automóvil de calidad y reducir la variación de los procesos evidenciada en la reducción de defectos. En cada ítem se propone una oportunidad de mejora que ayudará en la correcta gestión del proyecto de Six Sigma.

1 Recordar la competencia del personal en cada unidad de trabajo Concientizar al personal sobre el ingreso a áreas no permitidas, como la entrada a las cabinas de aplicación sin el respectivo overol que ocasiona que partículas adheridas a las prendas de vestir se dirijan a las carrocerías. 98

Además se sugiere la implementación de un Poka Yoke 10 en las puertas de acceso lateral para que solo sean abiertas desde el interior.

2 Capacitar en método, patrón, traslapado y gama de aplicación La capacitación en la compañía es constante y se enfatizará en parámetros de aplicación como: distancia de la pistola rociadora, sobreposición de capas, ángulo, velocidad, y secuencia de aplicación, apoyados en video grabación que analice, detecte y trate los defectos hallados. En el caso de los paneles con el espesor bajo ubicados en las puertas delanteras y posteriores, se controlará que el ángulo de la pistola rociadora esté de manera perpendicular al panel, tomando en cuenta las curvaturas del mismo. Además, para pintar se debe mover todo el cuerpo de lado al lado, utilizando la cintura como punto de apoyo, en lugar de mover solo el brazo; asi mismo se moverá gradualmente la posición de pie a la de cuclillas para cubrir toda la superficie.

Figura 4.16 – Paneles de la puerta delantera y trasera

3 Capacitación en herramientas estadísticas Consistirá en compartir breves lecturas dentro del equipo de trabajo sobre: SPC, métrica sigma, estabilidad y capacidad de un proceso y acompañado de la capacitación del software.

10 Dispositivo a prueba de errores 99

4 Capacitación en manejo de software Es necesario contar con un software especializado en el estudio estadístico para proyectos Six Sigma y de mejora de la calidad. Se sugiere el uso del software Minitab, por la facilidad de uso, interfaz simplificada y por el conocimiento básico del programa que tiene parte del equipo de trabajo.

5 Delegar funcionario responsable de mediciones Es necesario contar con un delegado que acompañe al proveedor, esto se logrará coordinando los horarios en la toma de muestras, las que validarán la información y servirán como registro para un posterior análisis interno. De acuerdo al plan de muestreo se sugiere continuar con el muestreo sistemático y para evitar efectos cíclicos que conduzcan a muestras con menor precisión, es recomendable utilizar números aleatorios al proceso, documentando la forma como fue calculado.

6 Utilizar información estadística de proveedores Hasta implantar un análisis propio es necesario usar la información suministrada por proveedores, que será útil para realizar un análisis minucioso de las posibles correlaciones, controlar los procesos y detectar oportunidades de mejora.

7 Realizar análisis estadístico del proceso Los nuevos límites de especificación se definirán; en el caso del flujo existió gran dispersión de datos y una pequeña parte de las muestras se ubicó sobre los 340 mil/min y la otra en los 390 mil/min, por lo que se estandarizará la determinación del flujo considerando el criterio técnico (proveedor) y la habilidad de aplicación (operario) definiendo un valor ideal (nominal) en donde se ubicará el flujo para evitar fluctuaciones y obtener una adecuada distribución de datos que permitan realizar un estudio de capacidad. En el caso de la temperatura de hornos, se obtuvo un nivel de capacidad ( ) mayor a dos; se debería reducir de a poco los limites, hasta que se ajusten al adecuado Seis Sigma, ya que se puede dar el caso que las especificaciones estén sobrestimadas y no se tenga un verdadero 100

control pese a estar en un nivel de capacidad de categoría mundial. Luego se recopilarán los datos en un único formato y se ingresarán en el software para analizarlos.

8 Adquirir manómetros y termómetros Verificar la correcta calibración del termómetro en la cabina de aplicación porque presentó temperaturas superiores a la media. Se sugiere adquirir un termo-higrómetro para medir la temperatura, velocidad del aire y humedad relativa de la cabina (variable que no se mide por el momento, pero es necesaria). Con respecto a los manómetros, se debería realizar mantenimiento en cuanto al aspecto visual, pues existen sombras en el cristal que no permiten una correcta toma de datos.

9 Adquirir espesímetro capa por capa Por el momento se cuenta con espesímetros básicos y se plantea a mediano plazo el estudio del espesor en cada una de las estaciones en donde se aplican recubrimientos a la carrocería para identificar qué proceso no aplica el material de acuerdo a especificaciones (Véase Anexo N).

10 Auditar niveles de iluminación “Un tr atamiento adecuado del ambiente visual incidirá directamente en seguridad, confort y seguridad” (INSHT, 2010, pág. 1); por lo que es necesario contar con un nivel de iluminación adecuado, tanto en la cabina de aplicación como en retoque. Se debería verificar si las estaciones de trabajo cumplen con el nivel apropiado por ello se sugiere adquirir un luxómetro. Por el momento se deben cumplir con los planes de mantenimiento de luminarias.

11 Socializar plan de mantenimiento con área de pintura La información que se genera al realizar el mantenimiento (equipos, herramientas, cabinas, etc.) es necesaria ponerla a disposición de los ejecutores del proceso; esto describirá si los equipos intervenidos 101

influenciaron en el producto final. Se sugiere colocar los planes de mantenimiento junto a las pizarras de control para que sean revisadas por los interesados. Además se deben revisar el estado de las pistolas electrostáticas para evitar irregularidades en la aplicación de flujo.

12 Instalar protección contra partículas El proceso de pintura es una etapa sensible del ensamblaje de un automotor y requiere una atmósfera libre de impurezas; se tratará de reducirlas usando correctamente el equipo de protección (gafas, gorro protector, mascarilla, guantes, botas); además de lavar continuamente el overol para evitar que permanezcan partículas secas de pintura en este, cumplir con el plan mantenimiento diario de cabina (limpieza de rejillas, pistolas, mangueras, etc.), revisión del flujo de aire que atrapa el over spray hacia la superficie (cortina de agua), denegar el acceso de personal no autorizado que no porte el equipo de protección.

13 Control estadístico de temperatura en cabina flash off Es necesario considerar la importancia de una cámara de evaporación, que evacue los disolventes contenidos en la carrocería y que endurezca la superficie. Al instalar un termómetro y mantener puertas de acceso cerradas se mantendrá una temperatura uniforme para tener una carrocería con excelente brillo.

4.2.2 DISEÑO DE EXPERIMENTOS

Adicionalmente a las soluciones planteadas, para las causas comunes se propone el desarrollo de un experimento de diseño factorial, el cual se detalla a continuación:

Estudio de caso: Espesor de una carrocería

Una pintura puede definirse como una composición química liquida pigmentada que al aplicarse sobre una superficie o soporte cumple dos funciones básicas: 102 protección y acabado. Los componentes de una pintura son: resinas, pigmentos, aditivos y solventes. Se conoce que son muchas las variables que afectan al proceso de aplicación del recubrimiento como presión de aire inadecuada, distancia de aplicación, temperatura de cabina y de horneo, entre otras. Se hizo un estudio para observar el efecto de algunos de los factores controlables que afectan al espesor. Para efectos de este estudio, se considerarán tres parámetros críticos del proceso (CTX): cantidad de flujo, temperatura en cabina y humedad relativa.

Objetivo del experimento: El objetivo del experimento es determinar en qué medida afectan las tres variables mencionadas en el espesor de una carrocería, y cómo interaccionan entre ellas.

Diseño del experimento : Es un experimento a tres factores, con dos niveles cada uno, según la siguiente descripción:

Tabla 4.2 – Diseño del experimento Factores Niveles A.1 370 ml/min (-1) A. Flujo A.2 390 ml/min (1) B.1 22 ºC min (-1) B. Temperatura de cabina B.2 27 ºC min (1) C.1 40 % min (-1) C. Humedad relativa C.3 70 % min (1)

En el estudio experimental se utilizó el software Minitab, se elaboró la siguiente matriz en donde se plantea el modelo para finalmente ingresar los resultados en la columna “Respuesta” , de acuerdo a las combinaciones expuestas como se muestra en la Figura 4.17.

103

Figura 4.17 – Diseño factorial en Minitab

Respuesta del experimento: Es la medición del espesor por medio del equipo (Elcometer 456) en unidades micras.

Preparación de muestras: Se recibirán los paneles del proceso de Primer, luego se limpiarán impurezas para luego ingresarlas a la cabina de acuerdo al modelamiento del experimento. Además se considerarán aspectos como: La abertura del patrón de rociado se debe encontrar entre 25 a 30 cm. Voltaje adecuado en el uso de la pistola electrostática. La temperatura de horneo debe ser la especificada. La presión de aire debe estar entre 55 – 60 psi. Mantener una distancia del panel y el aplicador entre 20 a 30 cm y colocar la pistola perpendicularmente.

Limitaciones: Debido a la dimensión que representa pintar una carrocería por completo, se realizará el presente experimento tomando en cuenta los paneles de los guardafangos derecho e izquierdo, los que sirven de ensayos para el departamento de pintura.

Realización del experimento: La corrida experimental se realizará a lo largo de un día laborable, dependiendo de las exigencias del modelamiento.

104

4.2.3 CRONOGRAMA

Se elaboró una guía (véase Tabla 4.3) donde se indican las tareas, las acciones preventivas y alternativas para cada caso, junto a la estimación del tiempo en realizarlas. “El proyecto debe tener un alcance razonable, se puede realizar en un tiempo de tres a seis meses” (Gutiérrez Pulido & De la Vara, 2005, pág. 564). La propuesta se definió ejecutarla en un periodo de tres meses, consta de actividades simultáneas, predecesoras y sucesoras. 105

Tabla 4.3 – Cronograma de la propuesta

Mes 3 Mes

S10 S11 S12

Fecha 2 Mes

Mes 1 Mes

S1 S2 S3 S4 S5 S6 S7 S8 S9

Duración

1 1 semana 1 semana 1 semana 2 semana 1 semana

2 2 semanas 2 semanas 2 semanas 4 semanas 4 semanas 4 semanas 4 semanas 4 semanas 4 semanas 4 semanas 4 semanas

Todo el tiempo Todo el tiempo

Superintendencia pintura de Superintendencia pintura de Ingeniería procesos en pintura de Ingeniería procesos en pintura de Ingeniería procesos en pintura de Ingeniería procesos en pintura de Ingeniería procesos en pintura de Ingeniería procesos en pintura de Ingeniería procesos en pintura de Superintendencia pintura de mantenimiento Departamento de Superintendencia pintura de Ingeniería procesos en pintura de Ingeniería procesos en pintura de

del

iento

ento

video

ntenimiento

Beneficiossobre elmanejo desoftware especializado

Ingresardatos asoftware estadístico Denegaracceso apersonal autorizado no

Monitorearlímites deespecificación Cumplirconplan demantenimiento experimentoal aplicar elrecubrimiento Establecerplanun demuestreo Intercambiarinformación requerimientos y Cumplirconplan demantenimiento Usoadecuado deequipo deprotección

Revisióndefunciones enmanual deprocesos PokaenaperturaYoke depuertas deacceso lateral Brevescharlas para recordar procedimientos Grabarformade aplicación citarlosy para analizar Compartirinformación engrupos detrabajo Coordinaractividades conproveedor Monitorearinformación presentada porproveedores Validarinformación Seguirconel procedimiento decalibración Adquirirtermo-higrómetroun encabina Realizaranálisisun estadístico para cada recubrimi Calibrarloperiódicamente Postearencartelera elestado del plan demantenim Cumplirconplan demantenimiento Mantenerpuertas cerradas Instalartermómetro encabina Prepararpaneles requerimientosy para la ejecucion

Tareaspreventivas/alternativas Acciones Responsable

encada unidad detrabajo traslapadogamay de aplicación estadísticas encabina flash off mediciones proveedores proceso(Aymesa) conárea depintura termómetros software

Recordarcompetencia depersonal Capacitarenmétodo, patrón, Capacitaciónenherramientas Capacitaciónenmanejo de Delegarfuncionario responsable de Utilizarinformación estadística de Realizaranálisis estadístico del Adquirirmanómetros y Adquirirespesímetro capa porcapa Auditarniveles deiluminación Socializarplan demantenimiento Cumplirconplan dema Proteccióncontra partículas Controlestadístico detemperatura DesarrollodeExperimentos (DDE)

1 2 8 9

4 6

11 13 14

10 No. 106

Dentro del plan se estimaron los costos de inversión en alrededor de USD $4100 dólares, destinando rubros monetarios para cada mes, tales como: compra de software, adquisición de equipos de medición y ejecución de los planes de mantenimiento, diseño de experimentos, entre otros como se muestra en la Tabla 4.4. Las otras acciones consistirán en reforzar planes de capacitación laboral, de comunicación organizacional y coordinación actividades internas, las que no tienen un costo extra a la empresa porque forman parte de las actividades que se venían desarrollando.

Tabla 4.4 - Costos estimados de la propuesta

Fecha Mes 1 Mes 2 Mes 3

No. Tareas Costo Total Duración S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12

- 1 semana Recordar injerencia de personal en cada 1 unidad de trabajo $ 100 1 semana 100

4 Capacitación en manejo de software $ 1.400 2 semana 700 700

$ 300 4 semanas 300 400 8 Adquirir manómetros y termómetros $ 400 4 semanas 100 100 100 100

- 4 semanas 9 Adquirir espesímetro capa por capa $ 100 4 semanas 100

10 Auditar niveles de iluminación $ 450 100 100 100 150

Socializar plan de mantenimiento con 11 $ 50 4 semanas 50 área de pintura

12 Protección contra partículas $ 400 Todo el tiempo 100 300

Control estadístico de temperatura en Todo el tiempo 13 cabina flash off $ 200 4 semanas 200

14 $ 800 1 semana 800 Desarrollo de Experimentos (DDE) $ 4.100 $ 2.400 $ 1.750 $ 450

El análisis costo-beneficio (B/C) es una herramienta financiera que mide la relación entre los costos y beneficios asociados a un proyecto de inversión con el fin de evaluar su rentabilidad. La tasa de descuento de la industria se estima en 28% anual aproximadamente. Se analizó la viabilidad del proyecto mediante el uso del software financiero PCM, usando el módulo decisiones de inversión y considerando el flujo de fondos netos como se muestra en la Figura 4.18 (BCE, 2010). 107

Figura 4.18 – Viabilidad financiera del proyecto

Un proyecto es rentable cuando la relación (B/C) es mayor que la unidad. La figura indica que la relación es mayor y se concluye que el proyecto es viable financieramente. B/C: 1,12 > 1 108

5 CONCLUSIONES Y RECOMENDACIONES

5.1 CONCLUSIONES

La variación en un proceso está siempre presente y afecta al resultado por lo que es imposible aislarla. El estudio SPC no presentó grandes interacciones de causas especiales que influyan en el proceso, además al analizar el sistema de medición (R&R) no evidenció variabilidad; en cambio sí existió la presencia de causas comunes por lo que fue imprescindible plantear un DDE factorial de dos niveles y tres factores.

Los resultados de las fase Medir revelaron que mediante un SPC de las variables: temperatura horno radiación y convección obtuvieron calidad six sigma, mientras los restantes: brillo, espesor, flujo y temperatura de cabina poseían calidad entre tres y cuatro sigma.

Las medidas de mejora requirieron del análisis estadístico que identificó las características CTS, CTY y CTX y analizó las relaciones de múltiples variables para identificar las causas potenciales.

Se describió la relación entre el flujo y el espesor del automotor, ya que mientras transcurre el día el flujo del recubrimiento aumenta y el espesor disminuye al final de día.

El plan de mejora se estimó en un USD $4100 dólares, que contempla la compra de software, equipos, planes de mantenimiento y DDE. Las otras tareas se complementarán con planes de capacitación, de comunicación organizacional, entre otros. El tiempo de ejecución se estima realizarlo en tres meses.

109

5.2 RECOMENDACIONES

El compromiso y la participación activa de la dirección de AYMESA es vital para afianzar esta nueva filosofía, indicando el por qué es necesario trabajar por ella. Sin ese fundamento indispensable el proyecto no tendrá éxito la metodología.

Es necesario cambiar el paradigma de travesaño de portería sobre la conformidad de un producto, ya que por cumplir con las expectativas definidas por el cliente, se consideraba al producto potencialmente adecuado y se dejaba de lado a iniciativas que veían más allá de las tolerancias, por lo que ahora los esfuerzos se enfocarán en reducir la variabilidad aun dentro de ellas, lo que generará calidad máxima y mínima variación simultáneamente.

El estudio R&R evaluó el sistema en el corto tiempo, validando su resultado solo para el presente proyecto. El estudio se debería repetir cada cierto período para monitorear la variación del proceso que dependerá del alcance de posteriores planes, del tipo de instrumento, de la intensidad de uso, de la frecuencia de calibración, entre otros aspectos.

El área de pintura se encuentra en un ambiente con temperatura distinta respecto a las áreas de soldadura o ensamble general, debido al tipo de equipos y maquinarias que dispone (hornos, cubas, calderos, cabinas, etc.). Por ello es necesario controlar la temperatura que se genera, tanto en controlar la viscosidad presente en el cuarto de mezcla, como en las cabinas de aplicación y evitar cualquier cambio brusco que afecte al producto final.

110

El control de la apariencia ya no está limitado a la inspección del acabado final, sino a realizar un estudio más completo del desempeño de los CTX y como estos influyen en los CTY, por lo que se recomienda extender el estudio a variables como: humedad relativa, velocidad del aire, nivelación de paneles, piel de naranja/DOI entre otros.

La clave del éxito de la implementación es contar con datos confiables. No se deberían omitir los pasos para obtener datos aceptables. Por eso se debe tener un adecuado plan de muestreo documentado que involucre a todos los elementos descritos en el desarrollo del proceso.

111

REFERENCIAS

Agila, C. (septiembre de 2011). Conversación sobre área de pintura. (R. Lalaleo, Entrevistador) América Economía. (5 de Febrero de 2011). Recuperado el 15 de Octubre de 2011, de http://www.americaeconomia.com/negocios-industrias/ecuador- mercado-automotriz-registra-record-de-ventas-el-2010 Aquino, C. (Diciembre de 1999). Economía Asiática. Recuperado el 9 de Octubre de 2011, de http://www.economiaasiatica.com/books/ieasia.pdf AYMESA. (2011). Autos y Máquinas del Ecuador S.A. Recuperado el 17 de Octubre de 2011, de www.aymesa.com.ec BCE. (2010). Banco Central de Ecuador . Recuperado el 20 de Mayo de 2012, de http://www.portal.bce.fin.ec/ebi/servlet/fin.bce.ebi.ClsIngresoCalculadora Capital Management Solutions. (2008). Sector Automotriz. Revista Ekos Economía y Negocios , 18. CINAE. (2008). [Cámara de la Industria Automotriz Ecuatoriana]. Recuperado el 24 de Octubre de 2011, de http:/www.cinae.org.ec/index.php?option=com_docman&task=doc_downloa d&gid=235&Itemid=60&lang=es CINAE. (2011). Camara de la industria Automotriz Ecuatoriana . Recuperado el 22 de Octubre de 2011, de Bases de datos de www.cinae.org.ec CNN. (9 de Diciembre de 2009). CNN Expansión. Recuperado el 9 de Octubre de 2011, de http://www.cnnexpansion.com/actualidad/2009/12/09/la-quiebra- de-gm-y-chrysler Corporación Maresa. (2011). Recuperado el 17 de Octubre de 2011, de Corporación Maresa: http://www.corpmaresa.com.ec/interna2.aspx?idMI=1&idPag=8 Cruz, J. (2010). Sede Web de los profesores de la FCA-UNAM. Recuperado el 5 de Octubre de 2011, de http://aprender.fca.unam.mx/~lvaldes/cal_pdf/cal5.pdf 112

Cuesta Muñoz, C. (2012). Centro de Ingeniería de la Calidad. Recuperado el 18 de Mayo de 2012, de http://www.cicalidad.com/articulos/Dise%F1o%20de%20Experimentos.pdf Explored. (09 de Enero de 1994). Explored . Recuperado el 15 de Octubre de 2011, de http://www.explored.com.ec/noticias-ecuador/industria-automotriz- contra-nuevo-impuesto-33555-33555.html Finn, L., Ginn, D., & Ritter, D. (2002/2011). The Six Sigma Memory Jogger II. EUA: GOAL/QPC. Fundación José Peralta. (2003). Concentración y Distribución de la riqueza. En L. Vazques, & N. Saltos, Ecuador: Su realidad (págs. 281-287). Quito: Fundación José Peralta. Galindo, E. (2006). Estadística. Quito: ProCiencia Editores. GM Heritage Center. (2011). GM Heritage Center . Recuperado el 27 de Septiembre de 2011, de http://history.gmheritagecenter.com/wiki/index.php/Bill_Bowman Grupo El Comercio. (12 de Abril de 2010). Los autos impulsan la industria desde 1973. pág. 12. Gutiérrez Pulido, H., & De la Vara, R. (2005). Control estadístico y Seis Sigma. México: McGraw-Hill. Herrera, G. (25 de Agosto de 2011). Blog Seis Sigma . Recuperado el 7 de Mayo de 2012, de http://seisssigmas.blogspot.com/2011/08/manual-de-seis- sigma.html INSHT. (2010). Instituto Nacional de Seguridad e Higiene en el trabajo. Recuperado el 14 de Febrero de 2012, de http://www.insht.es/InshtWeb/Contenidos/Documentacion/FichasTecnicas/ NTP/Ficheros/201a300/ntp_211.pdf Krajewski, L., & Ritzman, L. (2000). Administración de Operaciones. Mexico: Pearson Educación. Marín Diazaraque, J. (2006). Universidad Carlos III de Madrid. Recuperado el 18 de Mayo de 2012, de http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/Disenno/IntroDE .pdf 113

Mendoza, J. M., & Mendoza, J. J. (2005). Hacia la cumbre de la calidad. Pensamiento & Gestión , Academic Search Complete. Minitab Inc. (2010). Minitab. Recuperado el 12 de 2011, de http://www.minitab.com/uploadedFiles/Shared_Resources/Documents/Sam ple_Materials/TrainingSampleMeasurementSystemsMTB16ES.pdf Mortimore, M., & Barron, F. (Agosto de 2005). CEPAL. Recuperado el 1 de Octubre de 2011, de http://www.eclac.org/publicaciones/xml/1/22811/lcl2304e.pdf Moura/Quali. (Febrero de 2011). Formación de Especialistas Lean Six Sigma Green Belt. Quito, Ecuador. Ochoa, J., & Zagarola, S. (2011). Medición en el siglo XXI. Pubicación mensual EKOS , 14. OPEC. (4 de Octubre de 2011). Organization of the Petroleum Exporting Countries . Recuperado el 4 de Octubre de 2011, de http://www.opec.org/opec_web/en/data_graphs/40.htm Organización Internacional de Constructores de Automóviles OICA. (2011). Recuperado el 25 de Septiembre de 2011, de http://oica.net/wp- content/uploads/ranking-2010.pdf Ortega Bardellini, J. (Octubre de 2005). Banco Central del Ecuador, BCE. Recuperado el 12 de Octubre de 2011, de http://www.bce.fin.ec/documentos/PublicacionesNotas/Catalogo/Apuntes/a e50.pdf PPG Consultores. (s.f.). Detextiles. Recuperado el Noviembre 17 de 2011, de http://www.detextiles.com/files/6%20SIGMA.pdf Pyzdek, T., & Keller, P. (2010/2011). The Six Sigma Handbook. New York: McGraw-Hill. Qualiplus. (2011). Recuperado el 15 de Agosto de 2011, de http://www.qualiplus.com.br/es/casos-de-exito/utilizando-six-sigma- plus.html Quiroz Trejo, J. O. (Julio-Diciembre de 2010). Gestión y Estrategia. Recuperado el 5 de Octubre de 2011, de base de datos EBSCOHost Academic Search Complete 114

Superbrands. (2010). Superbrands Ecuador. Recuperado el 12 de Octubre de 2011, de http://macrovisionmedia.com/superbrandsecuador/pdf_casos/generalmotor s.pdf Wikipedia. (1 de Agosto de 2011). Recuperado el 16 de Agosto de 2011, de http://es.wikipedia.org/wiki/Seis_Sigma

115

ANEXOS ANEXO A - Marcas y modelos de automotores ensamblados

Kia - Rio Stylus

Kia – Grand Pregio

116

Kia – Sportage Active

Chevrolet - Vitara 117

ANEXO B.1 - Calidad de corto y largo plazo en términos DPMO y en nivel de calidad sigma (Z)

Calidad de largo plazo con un movimiento Calidad de corto plazo de Z=1,5

Índice Cp Porcentaje de la Porcentaje de la Calidad en Calidad en curva dentro de DPMO curva dentro de DPMO sigmas (Z) sigmas (Z) especificaciones especificaciones 0,33 1 68,27 317300 -0,5 30,23 697700 0,67 2 95,45 45500 0,5 69,13 308700 1 3 99,73 2700 1,5 93,32 66807 1,33 4 99,9937 63 2,5 99,379 6210 1,67 5 99,999943 0,57 3,5 99,9767 233 2 6 99,9999998 0,002 4,5 99,99966 3,4

Modificado (Gutiérrez Pulido & De la Vara, 2005)

118

ANEXO B.2 - Valores del Cp y su interpretación

Valor del Índice Categoría del Decisión (si el proceso está centrado) Cp (Corto Plazo) proceso

Cp>=2 Clase Se tiene calidad Seis Sigma mundial Cp> 1.33 1 Adecuado 1

Modificado (Gutiérrez Pulido & De la Vara, 2005, pág. 125)

119

ANEXO B.3 - Índice Cp en términos de piezas malas

Proceso con doble Con referencia a una sola especificación (índice Cp) especificación (Cp)

Valor del % Fuera de las % Fuera de Índice Parte por Parte por dos una (corto millón fuera millón fuera especificaciones especificación plazo) 0,2 54,8506% 548506,13 27,4253% 274253,065 0,3 36,8120% 368120,183 18,4060% 184060,0915 0,4 23,0139% 230139,463 11,5070% 115069,7315 0,5 13,3614% 133614,458 6,6807% 66807,229 0,6 7,1861% 71860,531 3,5931% 35930,2655 0,7 3,5729% 35728,715 1,7865% 17864,3575 0,8 1,6395% 16395,058 0,8198% 8197,529 0,9 0,6934% 6934,046 0,3467% 3467,023 1 0,2700% 2699,934 0,1350% 1349,967 1,1 0,0967% 966,965 0,0484% 483,4825 1,2 0,0318% 318,291 0,0159% 159,1455 1,3 0,0096% 96,231 0,0048% 48,1155 1,4 0,0027% 26,708 0,0014% 13,354 1,5 0,0007% 6,802 0,0004% 3,401 1,6 0,0002% 1,589 0,0001% 0,7945 1,7 0,0000% 0,34 0,0000% 0,17 1,8 0,0000% 0,067 0,0000% 0,0335 1,9 0,0000% 0,012 0,0000% 0,006 2 0,0000% 0,002 0,0000% 0,00

Modificado (Gutiérrez Pulido & De la Vara, 2005, pág. 124)

120

ANEXO C - Factores para calcular la gráfica x-barra y gráfica R

Factores para calcular acotamientos tres sigma para la gráfica x-barra y gráfica R

Factor para LCI Factor para Tamaño de Factor para y LCS para LCI para la muestra LCS para gráficas X -barra gráficas R (n) gráficas R (D 4) (A 2) (D 3) 2 1,88 0 3,267 3 1,023 0 2,575 4 0,729 0 2,282 5 0,577 0 2,115 6 0,483 0 2,004 7 0,419 0,076 1,924 8 0,373 0,136 1,864 9 0,337 0,184 1,816 10 0,308 0,223 1,777 Fuente: (Kra jewski & Ritzman, 2000, pág. 256)

121

ANEXO D - Proceso DMAMC y herramientas Green Belt

CEP

Herramientas Lean Herramientas

Arbol de Contingencias de Arbol

Diagrama de árbol de Diagrama

Nube de conflicto de Nube

Brainwritting

Análisis Fallas Potenciales Fallas Análisis

Análisis Multi-Vari Análisis

Diagrama de dispersión de Diagrama

Análisis Causa Efecti Causa Análisis

Estudio cap. Proceso cap. Estudio

Isoplot

Estadística descriptiva Estadística

Diagrama SIPOC-detallado Diagrama

Mapa flujo de valor de flujo Mapa

Diagrama SIPOC-macro Diagrama

Analisis de Pareto de Analisis

Matriz de Priorizacion de Matriz

Project Charter Project

Ayuda

Puede ayudar Puede

Definir el enfoque mejora de caracteristicas criticas Identificar el Formular objetivo de mejora el Mapear proceso Definir y el sistema validar medicion de del proceso /capacidad Determinarla estabilidad Confirmar/refinar el objetivo de mejora (Implementarmejoras rápidas) potenciales causas identificar seleccionarprimarias causas soluciones Generar potenciales las acciones Seleccionar e mejora de integrar la solucion Validar las mejoras Estandarizar el proyecto Finalizar de mejora

DMAMC & Herramientas Green Belt Green Herramientas & DMAMC

Medir

Definir

Mejorar

Analizar Controlar

Modificado (Moura/Quali, 2011) 122

ANEXO E.1 - SIPOC del proceso de Soldadura de Carrocería

123

ANEXO E.2 - SIPOC del proceso de ELPO

124

ANEXO E.3 - SIPOC del proceso de Primer

125

ANEXO E.4 - SIPOC del proceso de Aplicación de Esmalte

126

ANEXO E.5 - SIPOC del proceso de Ensamblaje General

127

ANEXO F.1 - Descripción del proceso de Soldadura de Carrocería

01/12/2011

SALIDAS

CLIENTES

E.2.1. ELPO E.2.1.

Carrocería soldada Carrocería

APROBADO POR APROBADO

Emisión de Ingeniería de Emisión

Cambio de Ingeniería de Cambio

FECHA

Hoja de control de CKD de control de Hoja

REGISTROS/ANEXOS

Documentos de ingeniería de Documentos

Hojas de retroalimentación de Hojas

Formato de salida de vehículos de salida de Formato

Registros y reportes calidad Registros de

Dpto. Aseguramiento de calidad de Aseguramiento Dpto.

Registro de unidades en soldadura en unidades de Registro

Cambio provisional de material en línea en material de provisional Cambio

CODIFICACIONNo. EDICION

mado de carrocería de mado

Superintendentedesoldadura, operadores, proveedores

RRHH: RRHH:

PROCESO OBJETIVO

RECURSOS

Soldar partes Soldar

stalaentrega dela carrocería soldada enpintura

CONTROLES

Ing. César Agila César Ing.

Hojas de proceso de Hojas

Plan de soldadura de Plan

REVISADO POR REVISADO

Soldar en uniones uniones en Soldar

Limpiar impurezas Limpiar

Armado del modelo del Armado

Recibir hojas de proceso de hojas Recibir

Envío de ítems e insumos e ítems de Envío

Cumplir hojas de proceso de hojas Cumplir

Enviar residuosbodega a Enviar

Sección de control de calidad de control de Sección

Lijar la carrocería de impurezas impurezas carrocería de la Lijar

Enviar a subproceso E.2.1 ELPO subproceso a E.2.1 Enviar

Rematar uniones con suelda mic mic con suelda uniones Rematar

Realizar inspección de carrocería soldada de inspección Realizar

DESCRIPCIONDELPROCESO

Soldar cada una de las partes requeridas para el ar el partespara las requeridas de cadauna Soldar

SuperintendenciadeSoldadura

Soldaduradecarrocerías

Inyector deaire, controladores Inyector mecánicos, medidores

ENTRADAS

Renato Lalaleo Renato

INDICADORES

PROVEEDORES

Hoja de procesos de Hoja

ELABORADO POR ELABORADO

Dpto. de producción de Dpto.

Computador,

Comprendedesde larecepción del CKDen almacenamiento ha

Hoja de ruta de vehículo de ruta de Hoja

Tasa de falta de insumos falta de de Tasa

Cabinas,brazos mecánicos, soldadora

Programa de producción diario producción de Programa

I. Gestión de aprovisionamiento de Gestión I.

Productividad de mano de obra de mano de Productividad

Tiempo efectivo de movilzación en línea en efectivo movilzación de Tiempo

Tasa de carrocerías de con error soldadas Tasa

NOMBRE DEL PROCESO: PROCESO: DEL NOMBRE SUBPROCESO: DEL PROPIETARIO ALCANCE: FISICOS: TECNICOS:

128

ANEXO F.2 - Descripción del subproceso de ELPO

03/12/2011

SALIDAS

CLIENTES

APROBADO POR APROBADO

Dpto. de producción de Dpto.

Registro de 5 pasos 5 de Registro

Proveedor de pintura de Proveedor

E.2 Aplicación Primer Aplicación E.2

Emisión de Ingeniería de Emisión

Cambio de Ingeniería de Cambio

FECHA

Unidad aplicada ELPO aplicada Unidad

REGISTROS/ANEXOS

Registro de unidades en ELPO en unidades de Registro

Formato de salida de vehículos de salida de Formato

Registros y reportes calidad Registros de

Hojas de proceso de Ensamblaje de Hojas

Dpto. Aseguramiento de la calidad la de Aseguramiento Dpto.

Cambio provisional de material en línea en material de provisional Cambio

E.1

CODIFICACIONNo. EDICION

Superintendentepintura, operadores, proveedores

ivo por electrodeposición electrodeposición por ivo

RRHH: RRHH:

ta el envío alproceso el envío ta dePrimer

PROCESO OBJETIVO

RECURSOS

Plan de ELPO de Plan

CONTROLES

Ing. César Agila César Ing.

REVISADO POR REVISADO

Hojas de procesos de Hojas

Purificar carrocerías Purificar

Secado de carrocería de Secado

Limpieza de carrocería de Limpieza

Aplicardesengrasante

Inspección de defectos de Inspección

Inspección de carrocería de Inspección

Retiro de topes de cabina de topes de Retiro

Recibir hojas de procesos de hojas Recibir

Colocar topes en carrocería en topes Colocar

Pretratamiento de carrocería de Pretratamiento

Sección de control de calidad de control de Sección

Envio al suproceso E.2 Primer suproceso al E.2 Envio

Aplicar pintura mediante sistema ELPO ELPO sistema mediante Aplicarpintura

(ELPO) para su posterior entrega a Primer a su para entrega posterior (ELPO)

Realizar inmersión de carrocerías de piscinas en inmersión Realizar

DESCRIPCIONDELPROCESO

Aplicar correctamente el fondo corrosivo el Aplicarcorrectamente anticorros

SuperintendenciadePintura

ELPO

Cabinas,dollys, soldadora, lijadora

Inyector deaire, termómetros, Inyector medidores

, ,

ENTRADAS

Renato Lalaleo Renato

Unidad soldada Unidad

INDICADORES

Hoja de procesos de Hoja

PROVEEDORES

ELABORADO POR ELABORADO

Proveedor de pintura de Proveedor

Computador

Comprendedesde larecepción dela carrocería deSoldadura has

Hoja de ruta de vehículo de ruta de Hoja

PiscinasELPO

Tiempo promedio de aplicación de promedio Tiempo

Programa de producción diario producción de Programa

I. Gestión de aprovisionamiento de Gestión I.

Tasa de defectos en linea ELPO defectos de linea Tasa en

C. Planificación de la producción la de Planificación C.

NOMBRE DEL SUBPROCESO: SUBPROCESO: DEL NOMBRE SUBPROCESO: DEL PROPIETARIO ALCANCE: FISICOS: TECNICOS:

129

ANEXO F.3 - Descripción del subproceso de Primer

06/12/2011

SALIDAS

CLIENTES

Dpto. Producción Dpto.

Proveedor pintura Proveedor

Unidad con Primer Unidad

APROBADO POR APROBADO

Registro de 5 pasos 5 de Registro

Emisión de Ingeniería de Emisión

Cambio de Ingeniería de Cambio

FECHA

E.3 Aplicación esmalte Aplicación E.3

REGISTROS/ANEXOS

Hojas de retroalimentación de Hojas

Formato de salida de vehículos de salida de Formato

Registros y reportes calidad Registros de

Hojas de proceso de Ensamblaje de Hojas

Dpto. Aseguramiento de la calidad la de Aseguramiento Dpto.

Registro de unidades en producción en unidades de Registro

Cambio provisional de material en línea en material de provisional Cambio

E.2

nal

CODIFICACIONNo. EDICION

Superintendentepintura, producción, operadores, proveedores

rocesosy anteriores preparar

RRHH: RRHH:

PROCESO OBJETIVO

res

RECURSOS

Lijado previo Lijado

Plan de primer de Plan

CONTROLES

Ingreso a horno a Ingreso

Ing. César Agila César Ing.

Preparar pintura pintura Preparar

dadaplicada pintura defondo para Esmalte

Hojas de proceso de Hojas

REVISADO POR REVISADO

Definir plan de colores de plan Definir

Aplicar fondo de pintura Aplicarpintura fondo de

Recibir hojas de procesos de hojas Recibir

Sección de control de calidad de control de Sección

Aplicar sellante de soldaduras de Aplicarsellante

Colocar anti ruidos en carrocerías en ruidos anti Colocar

Colocar antioxidante a carrocerías a antioxidante Colocar

Envío de unidad a E.3 Aplicación Esmalte Aplicación E.3 a unidad de Envío

DESCRIPCIONDELPROCESO

la superficie antes de la aplicación del esmalte fi esmalte del aplicación superficie la de la antes

Aplicar la pintura base con el fin de igualar los p los igualar fin de basecon el pintura Aplicarla

SuperintendenciadePintura

Primer

ENTRADAS

Pintura Primer Pintura

Renato Lalaleo Renato

Unidad soldada Unidad

INDICADORES

Proveedor pintura Proveedor

Hoja de procesos de Hoja

PROVEEDORES

ELABORADO POR ELABORADO

Dpto. de producción de Dpto.

Inyector deaire, comprobadores Inyector eléctricos mecánicos, y medido

Unidad aplicada ELPO aplicada Unidad

Recepcióndela carrocería hasta con ELPO laentrega dela uni

Hoja de ruta de vehículo de ruta de Hoja

Cabinas,dollys, pistolas, lijadoras

Programa de producción diario producción de Programa

I. Gestión de aprovisionamiento de Gestión I.

Tasa de rendimiento de insumos de rendimiento de Tasa

Tiempo de duración del proceso del duración de Tiempo

Tasa de defectos en línea Primer defectos de línea Tasa en

NOMBRE DEL PROCESO: PROCESO: DEL NOMBRE SUBPROCESO: DEL PROPIETARIO ALCANCE: FISICOS: TECNICOS:

130

ANEXO F.4 - Descripción del subproceso de Esmalte

ores

09/12/2011

SALIDAS

CLIENTES

Proveedor clear Proveedor

Proveedor pintura Proveedor

Dpto. de produccón de Dpto.

APROBADO POR APROBADO

F. Ensamble general Ensamble F.

Emisión de Ingeniería de Emisión

Cambio de Ingeniería de Cambio

FECHA

REGISTROS/ANEXOS

gadaensamble a

Documentos de ingenieria de Documentos

Hojas de retroalimentación de Hojas

Registros y hojas de control de y hojas Registros

Carrocería con pintura y clear con pintura Carrocería

Formato de salida de vehiculos de salida de Formato

Registros y reportes calidad Registros de

Registro de unidades en esmalte en unidades de Registro

Dpto. Aseguramiento de la calidad la de Aseguramiento Dpto.

Cambio provisional de material en línea en material de provisional Cambio

E.3

terna

rior

CODIFICACIONNo. EDICION

Superintendenteproducción,de pintura y operadores, proveed

controles que aseguren la la aseguren controlesque

RRHH: RRHH:

PROCESO OBJETIVO

RECURSOS

Lijado y pulido y pulido Lijado

CONTROLES

Plan de colores de Plan

Ing. César Agila César Ing.

Hojas de proceso de Hojas

REVISADO POR REVISADO

ciónhastabarniz de pintura suy inspección para ser entre

Sección de control de calidad de control de Sección

Colocación de cera de anticorrosiva Colocación

Aplicación de clear en carrocería clearen de Aplicación

calidad para su para ensamble posterior calidad

Limpiar con tack cloth toda la unidad la toda cloth con tack Limpiar

Limpiar la unidad con thinner de limpieza de con thinner unidad la Limpiar

Ubicación de unidad en cámara flash Off cámara en unidad de Ubicación

Controlar número de VIN según manifiesto. según VIN de número Controlar

Colocación de black tape en marco de puertas de marco en tape black de Colocación

jadora

DESCRIPCIONDELPROCESO

Verificar la ausencia total de polvo o suciedades o polvo de Verificartotal ausencia la

Colocación de cauchos de puertas y en compuertas Colocación

Chequear la calidad del acabado del exterior e inte exterior e del acabado del calidad la Chequear

Ingreso de unidad en horno de convección de horno y en radiació unidad de Ingreso

Aplicación de base en la carrocería externa como ex carrocería externa como la baseen de Aplicación

Entregar la carrocería del automotor pintada, bajo bajo pintada, automotor carrocería del la Entregar

Esmalte

SuperintendenciadePintura

Inyector deaire, termómetros, Inyector medidores

ENTRADAS

Renato Lalaleo Renato

Proveedor clear Proveedor

INDICADORES

PROVEEDORES

Proveedor pintura Proveedor

ELABORADO POR ELABORADO

Dpto. de producción de Dpto.

Carrocería en Primer en Carrocería

Computador,

Comprendedesde larecepción dela unidad dePrimer, aplica

Hoja de ruta de vehiculo de ruta de Hoja

E.2 Aplicación de Primer de Aplicación E.2

Cabinas,dollys, pistolas electrostaticas, pulidora, li

Solvente, Base color, Barniz color, Base Solvente,

Programa de producción diario producción de Programa

Número de defectos de vehículo por Número

Ordenes de producción atendidas producción de Ordenes

Hoja de procesos, Plan de colores de procesos, de Plan Hoja

Pulimento, Cintas, Cera para vehículos para Cera Cintas, Pulimento,

Tasa de defectos en línea final-esmalte defectos de línea Tasa en

Tasa de errores en el ingreso de información de ingreso errores de el Tasa en

Tasa de cumplimiento en entrega de reportes de entrega en cumplimiento de Tasa

NOMBRE DEL SUBPROCESO: Aplicación Aplicación SUBPROCESO: DEL NOMBRE SUBPROCESO: DEL PROPIETARIO ALCANCE: FISICOS: TECNICOS:

131

ANEXO F.5 - Descripción del proceso de Ensamble General

res

12/12/2011

CINAE

SALIDAS

CLIENTES

Unidad ensamblada Unidad

APROBADO POR APROBADO

F. Ensamble General Ensamble F.

Emisión de Ingeniería de Emisión

Cambio de Ingeniería de Cambio

J. Gestión de soporte de Gestión J.

FECHA

REGISTROS/ANEXOS

Documentos de ingeniería de Documentos

Hojas de retroalimentación de Hojas

Hoja de control de Keepers de control de Hoja

Formato de salida de vehículos de salida de Formato

Registros y reportes calidad Registros de

Dpto. Aseguramiento de la calidad la de Aseguramiento Dpto.

Registro de unidades en producción en unidades de Registro

Cambio provisional de material en línea en material de provisional Cambio

CODIFICACIONNo. EDICION

ndiciones para su para ndiciones

Superintendentedemanufactura,producción,operadores,proveedo

res

RRHH: RRHH:

PROCESO OBJETIVO

RECURSOS

CONTROLES

Ing. César Agila César Ing.

Hojas de proceso de Hojas

REVISADO POR REVISADO

Plan de ensamblaje de Plan

Ingreso a la línea final línea la a Ingreso

G. Liberación y entrega Liberación G.

stasu inspección para ser almacenado posterior y entrega

Ensamblaje en área mecánica área en Ensamblaje

Sección de control de calidad de control de Sección

Entrega a patio de acumulación de patio a Entrega

Ensamblaje en área de vestidura de área en Ensamblaje

Recepción de carrocería de pintura carrocería de de Recepción

Montado de motor, suspensión,etc. motor, de Montado

posterior almacenamiento y distribución almacenamiento posterior

Registro de unidades a línea de producción de línea a unidades de Registro

Montado de piezas en el interior de carrocería de interior el piezasen de Montado

Pruebas de alineación, frenos, apariencia agua, alineación, de Pruebas

Verificación de condiciones para ingreso a línea a Verificacióningreso para condiciones de

DESCRIPCIONDELPROCESO

Ensamblar el automotor y entregarlo en perfectas en y entregarlo co automotor el Ensamblar

SuperintendenciadeManufactura

EnsambleGeneral

Inyector deaire, comprobadores Inyector eléctricos mecánicos, y medido

Autopartista

ENTRADAS

Renato Lalaleo Renato

Unidad pintada Unidad

INDICADORES

PROVEEDORES

Hoja de procesos de Hoja

ELABORADO POR ELABORADO

Dpto. de producción de Dpto.

Computador,

Comprendedesde larecepción dela unidad depintura, ha

Hoja de ruta de vehículo de ruta de Hoja

Cabinas,brazos mecánicos, llaves presión a

Programa de producción diario producción de Programa

I. Gestión de aprovisionamiento de Gestión I.

Tiempo efectivo de montaje TRIM efectivo montaje de Tiempo

Tasa de cumplimiento de autopartistas de cumplimiento de Tasa

Capacidad utilizada en ensamble general ensamble en utilizada Capacidad

NOMBRE DEL PROCESO: PROCESO: DEL NOMBRE SUBPROCESO: DEL PROPIETARIO ALCANCE: FISICOS: TECNICOS: Tiempo de entrega atendido a Libreacion y Entrega Libreacion a atendido entrega de Tiempo

132

ANEXO G.1 - Representación gráfica del procedimiento de Soldadura de Carrocería

CÓDIGO: D MACROPROCESO: Soldadura de carrocería (D) HOJA 1 DE 1

Bodega Remate Acabado

Inicio

Recepción de hojas de proceso

Cumplir hojas de proceso

Hojas de procesos Lijar carrocerías

Rematar con Envío de ítems e suelda MIC insumos

Soldar uniones si Cumple con Limpiar impurezas requisitos?

Realizar si inspección de carrocería soldada Enviar residuos a Envío de ítems e bodega insumos Se encuentra completamente soldado? Registro de Armado de unidades soldadas modelo no

Soldar partes E.1. ELPO

Fin

133

ANEXO G.2 - Representación gráfica del procedimiento ELPO

MACROPROCESO: Pintura (E) CÓDIGO: E.1 PROCESO: ELPO (E.1) HOJA 1 DE 1

Limpieza ELPO

Inicio 1

Aplicación fondo Recepción de hojas mediante sistema de proceso ELPO

Hojas de procesos Secado de carrocería

Inspección de carrocería Inspección de defectos

Cumple con no D. Soldadura requisitos? Cumple con Revisión defecto requisitos? sí

Pre tratamiento de carrocería Retiro de topes de Ubicación defecto 2 cabina

Colocar topes en carrocería

E.2 Primer Reparación unidad

Aplicar desengrasante Registro de Fin reparación

Limpieza de carrocería 2

Inmersión de carrocerías en piscinas

Purificar carrocerías 1

134

ANEXO G.3 - Representación gráfica del procedimiento Primer

CÓDIGO: E.2 MACROPROCESO: Pintura (E) HOJA 1 DE 1 PROCESO: Primer (E.2)

Preparación Aplicación

Inicio 1

Definir plan de Recepción de hojas colores de proceso

Preparar pintura Hojas de procesos

Aplicar fondo de Aplicar sellante de pintura soldadura en interiores y bajo piso

Ingreso a horno Colocar antioxidantes a carrocerías

Lijado previo Colocar anti ruidos a carrocería

E.3 Esmalte 1

Fin

135

ANEXO G.4 - Representación gráfica del procedimiento Aplicación Esmalte

MACROPROCESO: Pintura CÓDIGO: E.3

PROCESO: Aplicación esmalte HOJA 1 DE 1

Cabinas Aplicación Cabinas Revisión

Inicio 1

Verificar la Cheque carrocería ausencia de calidad de suciedades acabado

Controlar número VIN Lijado y pulido 2

Limpiar unidad con Cumple con Thinner estándares no Revisión defecto carrocería?

sí Limpiar unidad con Tack Cloth Colocación de Ubicación defecto cauchos

Aplicación de base en carrocería Colocación de black tape Reparación unidad

Aplicación de clear en carrocería Colocación de Registro de cera anticorrosiva reparación

Ubicar unidad en Flash OFF Envío de 2 carrocería por transportador

Ingreso de unidad a horno

F. Ensamble

Fin

136

ANEXO G.5 - Representación gráfica del procedimiento Ensamble General

CÓDIGO: F.

MACROPROCESO:Ensamblaje General HOJA 1 DE 1

Recepción TRIM Line Chasis Line Final Line

Inicio

Recepción de carrocería

Cumple condiciones 2

Registro de Montado de piezas Alienación de unidades a ingreso en el interior de Montado de motor llantas de línea carrocería

no Registro de ingreso de Montado de unidades Roll test suspensión

Montado de Envío de Se devuelve a alternador, Test de frenos si carrocería a E. E. Pintura correas, etc. Pintura

1 Test de Reparación de la estanqueidad unidad

2 Entrega al patio de acumulación

G. Liberación y entrega

Fin

137

ANEXO H.1 - Datos y códigos para el diagrama de Pareto

138

ANEXO H.2 - Histórico de diagramas de Pareto correspondiente a los meses de octubre y noviembre de 2011

Mes de octubre 2011

Pareto Chart of Defecto Octubre 200

100

150 80

100 60 Count Percent 40 50 20

0 0 Defecto Octubre MLJ SUC MRE MPL Otros Count 53 39 35 29 19 Percent 30,3 22,3 20,0 16,6 10,9 Cum % 30,3 52,6 72,6 89,1 100,0

Mes de noviembre 2011

Pareto Chart of Defecto Noviembre 160 100 140 80 120

100 60 80 Count Percent 60 40

40 20 20

0 0 Defecto Noviembre MPL MLJ MRE MHE Others Count 53 35 33 18 16 Percent 34,2 22,6 21,3 11,6 10,3 Cum % 34,2 56,8 78,1 89,7 100,0

139

ANEXO I.1 - Distribución física de esmalte

Area de retoque Control de calidad Sala de Bodega pinturas

Transportador Aplicación clear Horno

Presión H. H.

Limpieza Aplicación Flash off Ensamble General aire Radiación convección pintura ELPO

Primer

140

ANEXO I.2 - Fotografías del área de esmalte

Zona de aire Zona de limpieza Aplicación de pintura

Aplicación de clear Zona de flash off Salida de Horno

Sala de pintura

Área de retoque y control de calidad Transportador

141

ANEXO J - Plan de muestreo sistemático

Para las características CTX y CTY se realizó un muestreo sistemático, considerando que en el mes de diciembre del 2011 se produjeron alrededor de 1666 unidades. Modelo Dic. 2011 Rio 546

Pregio 400 Vitara 160 Sportage 560 Total Mes 1666 Unidades

Producidas Total Semana 417 Total día 69

Con lo que la producción diaria aproximada es de 69 autos, que se desplazan por la cabina de pintura, de tal manera que el plan de muestreo establecido entre proveedores y AYMESA es de tres muestras al día, como se muestra a continuación:

Se tiene que:

La hora establecida para la toma de muestras fueron: 7.00 horas 10.00 horas 13.00 horas De igual manera a la semana se escogió cuatros días aleatorios, es decir que por mes se recolectaron datos de 16 a 18 días.

142

ANEXO K.1 - Datos para el estudio R&R sobre brillo

Panel: Capot No. Operadores Partes Mediciones 1 Operador 1 1 90,00 2 Operador 1 2 88,00 3 Operador 1 3 91,60 4 Operador 1 4 93,30 5 Operador 1 5 92,95 6 Operador 1 6 91,40 7 Operador 1 7 92,15 8 Operador 1 8 91,55 9 Operador 2 1 90,10 10 Operador 2 2 87,70 11 Operador 2 3 90,20 12 Operador 2 4 93,00 13 Operador 2 5 92,70 14 Operador 2 6 91,19 15 Operador 2 7 92,06 16 Operador 2 8 91,50 17 Operador 1 1 90,30 18 Operador 1 2 87,90 19 Operador 1 3 90,50 20 Operador 1 4 92,70 21 Operador 1 5 92,10 22 Operador 1 6 91,02 23 Operador 1 7 91,90 24 Operador 1 8 91,39 25 Operador 2 1 90,50 26 Operador 2 2 88,40 27 Operador 2 3 91,30 28 Operador 2 4 92,40 29 Operador 2 5 93,01 30 Operador 2 6 92,24 31 Operador 2 7 91,70 32 Operador 2 8 91,07

143

ANEXO K.2 - Resultados del estudio R&R sobre brillo (Software Minitab)

Estudio R&R del sistema de medición - método ANOVA

R&R del sistema de medición para Mediciones

Nombre del sistema de medición: Brillo Previo a etapa Measure Fecha del estudio: 2011 Notificado por: Tolerancia: Misc:

Tabla ANOVA de dos factores con interacción

Fuente GL SC CM F P Partes 7 67,5494 9,64992 107,448 0,000 Operadores 1 0,0030 0,00300 0,033 0,860 Partes * Operadores 7 0,6287 0,08981 0,452 0,855 Repetibilidad 16 3,1791 0,19869 Total 31 71,3601

Alfa para eliminar el término de interacción = 0,25

Tabla ANOVA dos factores sin interacción

Fuente GL SC CM F P Partes 7 67,5494 9,64992 58,2889 0,000 Operadores 1 0,0030 0,00300 0,0181 0,894 Repetibilidad 23 3,8077 0,16555 Total 31 71,3601

R&R del sistema de medición

%Contribución Fuente CompVar (de CompVar) R&R del sistema de medición total 0,16555 6,53 Repetibilidad 0,16555 6,53 Reproducibilidad 0,00000 0,00 Operadores 0,00000 0,00 Parte a parte 2,37109 93,47 Variación total 2,53664 100,00

El límite inferior de tolerancia del proceso es = 85

Desv.Est. Var. del estudio Fuente (DE) (6 * DE) R&R del sistema de medición total 0,40688 2,44129 Repetibilidad 0,40688 2,44129 Reproducibilidad 0,00000 0,00000 Operadores 0,00000 0,00000 Parte a parte 1,53983 9,23901 Variación total 1,59268 9,55611

%Var. del estudio %Tolerancia Fuente (%VE) (VE/Toler) R&R del sistema de medición total 25,55 19,74 Repetibilidad 25,55 19,74 Reproducibilidad 0,00 0,00 Operadores 0,00 0,00 Parte a parte 96,68 74,72 Variación total 100,00 77,29

Número de categorías distintas = 5 144

ANEXO L.1 - Datos para el estudio R&R sobre variable espesor

Panel: Capot No. Operadores Partes Mediciones 1 Operador 1 1 110,00 2 Operador 1 2 108,00 3 Operador 1 3 119,00 4 Operador 1 4 115,00 5 Operador 1 5 102,00 6 Operador 1 6 116,00 7 Operador 1 7 102,00 8 Operador 1 8 116,00 9 Operador 2 1 110,00 10 Operador 2 2 108,00 11 Operador 2 3 118,00 12 Operador 2 4 115,00 13 Operador 2 5 103,00 14 Operador 2 6 115,00 15 Operador 2 7 100,00 16 Operador 2 8 116,00 17 Operador 1 1 111,00 18 Operador 1 2 109,00 19 Operador 1 3 119,00 20 Operador 1 4 115,00 21 Operador 1 5 102,00 22 Operador 1 6 115,00 23 Operador 1 7 101,00 24 Operador 1 8 117,00 25 Operador 2 1 109,00 26 Operador 2 2 108,00 27 Operador 2 3 118,00 28 Operador 2 4 114,00 29 Operador 2 5 103,00 30 Operador 2 6 116,00 31 Operador 2 7 102,00 32 Operador 2 8 116,00

145

ANEXO L.2 - Resultados del estudio R&R sobre espesor (Software Minitab)

Estudio R&R del sistema de medición - método ANOVA

R&R del sistema de medición para Mediciones

Nombre del sistema de medición : Espesor Previo a Measure Fecha del estudio: 2011 Notificado por: Tolerancia: Misc:

Tabla ANOVA de dos factores con interacción

Fuente GL SC CM F P Partes 7 1175,50 167,929 408,870 0,000 Operadores 1 1,13 1,125 2,739 0,142 Partes * Operadores 7 2,88 0,411 1,095 0,411 Repetibilidad 16 6,00 0,375 Total 31 1185,50

Alfa para eliminar el término de interacción = 0,25

Tabla ANOVA dos factores sin interacción

Fuente GL SC CM F P Partes 7 1175,50 167,929 435,195 0,000 Operadores 1 1,13 1,125 2,915 0,101 Repetibilidad 23 8,88 0,386 Total 31 1185,50

R&R del sistema de medición

%Contribución Fuente CompVar (de CompVar) R&R del sistema de medición total 0,4321 1,02 Repetibilidad 0,3859 0,91 Reproducibilidad 0,0462 0,11 Operadores 0,0462 0,11 Parte a parte 41,8857 98,98 Variación total 42,3177 100,00

La tolerancia del proceso es = 38

Desv.Est. Var. del estudio Fuente (DE) (6 * DE) R&R del sistema de medición total 0,65732 3,9439 Repetibilidad 0,62118 3,7271 Reproducibilidad 0,21493 1,2896 Operadores 0,21493 1,2896 Parte a parte 6,47191 38,8315 Variación total 6,50521 39,0313

%Var. del estudio %Tolerancia Fuente (%VE) (VE/Toler) R&R del sistema de medición total 10,10 10,38 Repetibilidad 9,55 9,81 Reproducibilidad 3,30 3,39 Operadores 3,30 3,39 Parte a parte 99,49 102,19 Variación total 100,00 102,71

Número de categorías distintas = 13

146

ANEXO M - Equipos de medición con certificado de calibración

Anemómetro (Testo 417)

Espesímetro (Elcometer 456)

Brillómetro (Elcometer 407)

147

Copa Ford #4 / Termómetro / Probeta

Termómetro de horno convección / Termómetro de horno radiación

148

ANEXO N.1 - Especificaciones acerca de las variables de estudio

Especificaciones

Brillo a 20 0 (GU) 85 Espesor (u) 92 - 130 Flujo (ml/min) 340 - 420

Viscosidad ( ºC vs. s) 25 º C=26 2 segundos Temperatura cabina 24 - 30

Temperatura Radiación 190 - 210 Horno ( ºC) Convección 140- 1 60

Espesores requeridos por cada recubrimiento

Espesores requerido (micras) Película Min Max KTL 17 25 Primer 25 35 Color 15 25 Barniz 35 45 Total 92 130

149

ANEXO N.2 - Datos para el estudio de capacidad (Espesor y brillo)

Mes: Diciembre 2011 Muestra Elementos Espesor Brillo Horizontal Vertical 1 110 107 96 1 2 114 106 86 3 94 98 90 1 113 105 93 2 2 93 101 93 3 109 106 93 1 113 114 89 3 2 113 112 90 3 98 102 92 1 112 109 91 4 2 110 113 92 3 107 107 88 1 104 105 96 5 2 109 106 88 3 114 108 90 1 111 115 90 6 2 110 107 87 3 112 113 87 1 106 105 93 7 2 110 108 106 3 117 107 93 1 115 104 96 8 2 97 99 90 3 111 105 95 1 112 112 89 9 2 101 107 91 3 109 107 90 1 107 106 89 10 2 102 102 92 3 112 108 96 1 109 109 93 11 2 110 105 86 3 109 102 92 1 113 104 92 12 2 116 104 95 3 114 106 92 1 113 110 90 13 2 112 110 90 3 94 100 90 1 112 107 87 14 2 110 109 93 3 93 97 89 1 112 105 89 15 2 112 106 90 3 98 107 93 1 107 102 95 16 2 112 108 87 3 97 105 88

150

ANEXO N.3 - Datos para el estudio de capacidad de Flujo, temperatura de cabina y temperatura de horno

Mes: Diciembre 2011 Viscosidad Flujo Cabina Temperatura Horno 26 º C=26+/-2 Temp. Cf#4 Muestra Horas Lh Rh Temp. Radiación Convección º C s 7 382 380 19 31 27 196,1 145 1 10 384 382 22 28,5 28 197,5 145,5 13 380 382 22 28,5 27 196,2 144,6 7 382 384 18 32,1 28 197,1 145,2 2 10 380 382 22 28,5 27 196,3 145,5 13 408 416 24 27,1 28 198,1 145,1 7 380 380 19 30,6 27 198,7 146,5 3 10 380 388 23 27,8 29 197,9 145,9 13 382 382 23 28 28 196,7 144,1 7 380 380 19 31,1 27 198,1 146,7 4 10 380 396 22 28,5 28 197,3 145,6 13 396 404 26 25,4 29 199,6 146,9 7 380 380 19 30,4 27 198,1 145,7 5 10 388 392 22 27,9 28 200,2 150,6 13 408 412 24 27,5 28 198,7 147,1 7 380 380 18 32,4 26 198,7 146,1 6 10 404 408 22 28,9 27 197,5 146,2 13 342 342 23 27,5 27 196,4 147,2 7 340 340 20 30 27 197,2 145,1 7 10 388 408 21 28,6 29 199,5 147,6 13 388 396 22 29 29 199,4 147,9 7 348 360 19 31,5 29 199,5 148,1 8 10 396 388 21 29,4 29 198,7 147,9 13 394 412 22 28,5 29 197,9 145,6 7 394 408 21 28,4 29 198,7 145,6 9 10 394 388 22 28,4 29 198,7 145,6 13 386 388 21 28 28 198 146,1 7 380 380 19 30,5 27 198,5 147,1 10 10 392 396 21 28,5 28 198,1 147,1 13 412 416 23 28,1 29 198,4 148,1 7 380 380 20 31,2 27 197,3 146,1 11 10 388 396 20 30,8 29 198,1 147,6 13 412 416 24 27,1 29 200,1 149,6

151

Mes: Diciembre 2011 Viscosidad Flujo Cabina Temperatura Horno 26 º C=26+/-2 Temp. Cf#4 Muestra Horas Lh Rh Temp . Radiación Convección º C s 7 380 380 20 30,7 27 198,6 146,9 12 10 404 386 24 27 29 198,9 147,6 13 400 412 25 26 28 196,7 146,5 7 380 380 19 31,5 29 197,5 147,2 13 10 382 382 22 28,1 28 198,4 148,6 13 380 386 24 27,5 29 199,1 147,5 7 380 386 19 31,2 27 196,4 143,5 14 10 416 412 21 29,5 28 198,1 147,8 13 388 400 23 27,7 29 198,5 146,9 7 380 388 19 31 28 198,5 146,9 15 10 412 416 23 27,8 30 198,9 147,6 13 385 385 24 27,1 29 199,5 148,7 7 382 385 19 30,8 29 197,6 149,1 16 10 384 385 24 27,1 29 198,5 148,2 13 382 384 25 26,1 29 197,4 149,5 7 384 382 20 30 28 197,7 148,6 17 10 420 416 23 28 29 198,5 147,9 13 388 408 26 25,7 29 197,9 147,1 7 380 380 21 29,6 27 198,4 146,9 18 10 412 416 24 28 28 199,6 147,1 13 396 396 25 26,1 29 198,7 148,1

152

ANEXO O - Curva de viscosidad del barniz