IV . FASE DE ANÁLISIS Dr . Primitivo Reyes Aguilar / agosto 2012
-
Upload
germaine-jordon -
Category
Documents
-
view
204 -
download
2
description
Transcript of IV . FASE DE ANÁLISIS Dr . Primitivo Reyes Aguilar / agosto 2012
icicm
1
icicm
IV. FASE DE ANÁLISIS
Dr. Primitivo Reyes Aguilar / agosto 2012
Yellow Belts
2
icicmIV. FASE DE ANÁLISIS1. Introducción
2. Los 7 desperdicios
3. Modelo lineal simple
4. Regresión lineal
múltiple
5. Pruebas de hipótesis
6. Análisis de varianza
7. Otras herramientas
3
icicm
1. INTRODUCCIÓN
icicm
4
Fase de Análisis
PROPÓSITOS: Establecer hipótesis sobre posibles
Causas Raíz Refinar, rechazar, o confirmar la Causa
Raíz Seleccionar las Causas Raíz más
importantes: Las pocas Xs vitales
SALIDAS: Causas raíz validadas Factores de variabilidad identificados
icicm
5
Herramientas1. Los 7 desperdicios
2. Diagrama de Ishikawa / Causa efecto
3. Diagrama de interrelaciones
4. Diagrama 5W-1H
5. Regresión lineal simple
6. Regresión lineal múltiple
icicm
6
Herramientas7. Valor p8. Pruebas de hipótesis
9. ANOVA de una vía10. ANOVA de dos vías
11. Análisis de causas raíz12. 5 Porqués, 5W – 1H
13. 3 x 5Wa14. Análisis del Modo y Efecto de Falla
(AMEF)
icicm
7
Tormenta de ideasPermite obtener ideas de los
participantes
icicm
8
Diagrama de Causa efectoMedio
ambiente Métodos Personal
¿Quéproducebajas ventasdeTortillinasTía Rosa?
Climahúmedo
Calidad delproducto
Tipo deexhibidor
Falta demotivación
Ausentismo
Rotación depersonal
Maquinaría Materiales
Clientes conventas bajas
Malositinerarios
Descomposturadel camiónrepartidor
Distancia dela agencia alchangarro
Medición
Seguimientosemanal
Conocimientode losmínimos porruta
Frecuenciade visitas
Elaboraciónde pedidos
Posición deexhibidores
Falta desupervición
icicm
9
Diagrama de interrelaciones
icicm
Dancer
Taco generador del motor
Poleas guías
Presión deldancer
Mal guiado
Sensor de velocidadde línea
Sensorcircunferencial
Bandas detransmisión
Empaques de arrastre
Presión de aire de trabajo
Drive principal
Voltaje del motor
Ejes principales
Poleas de transmisión
¿Que nos puede provocar Variación de VelocidadDurante el ciclo de cambio en la sección del
Embobinadores?
Causas a validar
13/0
2/4
0/4
1/2
5/1
1/4
1/4
2/1
1/1
0/3
5/2
4/1
1/5
1/5
Entradas CausaSalidas Efecto
11
icicmPosibles Fuentes de la Variación del Proceso
La “Repetibilidad” y “reproducibilidad” (R&R), son los errores más relevantes en la medición.
Variación del proceso, real Variación de la medición
Variación del proceso, observado (Zlp/Zlt y/ó DPMO)
Reproducibilidad
Repetibilidad
Variación dentro de la muestra
Estabilidad Linealidad Sesgo
Variación originada
por el calibrador
Calibración
icicm
12
Diagrama deIshikawa
Diagrama derelaciones
Diagramade Árbol
Análisis del Modo y Efecto deFalla (AMEF)
QFD
DiagramaCausa Efecto
CTQs = YsOperatividad
X's vitales
Diagramade Flujo
delproceso
Pruebasde
hipótesis
Causas raízvalidadas
¿CausaRaíz?
DefiniciónY=X1 + X2+. .Xn
X'sCausas
potenciales
Medición Y,X1, X2, Xn
FASE DE ANÁLISIS
SiNo
Llenar columnas del FMEAHasta sol. Propuesta ycomprobar causas conPruebas de Hipótesis
13
icicm Comprobación de causas reales
¿qué? ¿por qué? ¿cómo? ¿cuándo?
¿dónde?
¿quién?
1 Tacogenerador de motor embobinador
1.1 Por variación de voltaje durante el ciclo de cambio
1.1.1 Tomar dimensiones de ensamble entre coples.1.1.2 Verificar estado actual y especificaciones de escobillas.1.1.3 tomar valores de voltaje de salida durante el ciclo de cambio.
Abril ’04 1804 Embob.
J. R.
2 Sensor circular y de velocidad de linea.
2.1 Por que nos genera una varión en la señal de referencia hacia el control de velocidad del motor embobinador
2.1.1 Tomar dimensiones de la distancia entre poleas y sensores.2.1.2 Tomar valores de voltaje de salida de los sensores.2.1.3 Verificar estado de rodamientos de poleas.
Abril ’04 1804Embob.
U. P.
3 Ejes principales de transmisión.
3.1 Por vibración excesiva durante el ciclo de cambio
3.1.1 Tomar lecturas de vibración en alojamientos de rodamientos3.1.2 Comparar valores de vibraciones con lecturas anteriores.3.1.3 Analizar valor lecturas de vibración tomadas.
Abril’04 1804 Embob.
F. F.
4 Poleas de transmisión de ejes embobinadores.
4.1 Puede generar vibración excesiva durante el ciclo de cambio.
4.1.1 Verificar alineación, entre poleas de ejes principales y polea de transmisión del motor.4.1.2 Tomar dimensiones de poleas(dientes de transmisión).4.1.3 Tomar dimensiones de bandas (dientes de transmisión)4.1.4 Verificar valor de tensión de bandas.
Abril’04 1804 Embob.
J. R.U. P.
14
icicm
Causa Raíz
ResultadosCausas# de
Causa
SI ES CAUSA RAIZ
SI ES CAUSA RAIZ
NO ES CAUSA RAIZ
NO ES CAUSA RAIZ
SI ES CAUSA RAIZ
SI ES CAUSA RAIZ
NO ES CAUSA RAIZ
Ensamble de ojillos, bloques y contrapesos no adecuados en aspas.
Amortiguadores dañados.
Desgaste de bujes en los carretes.
Fabricación y reemplazo deejes y poleas no adecuados en ensamble de aspas.Desalineamiento de poleas y bandas de transmisión de aspas.
Método de Balanceo no adecuado.
Desalineación de pinolas en cuna.
1
2
3
4
5
6
7
Resumen de la validación de las causas
X
X
X
X
15
icicm
2. LOS 7 DESPERDICIOS
(MUDA)
16
icicm
LOS 7 DESPERDICIOS (MUDA)1. Sobreproducción
2. Inventarios innecesarios
3. Reparaciones / Rechazos
4. Movimientos innecesarios
5. Proceso adicional o
reproceso
6.Transportes innecesarios
7. Esperas innecesarias
8. Otros desperdicios
17
icicm
OTROS DESPERDICIOS1. Recursos subutilizados
2. Conteos adicionales
3. Búsqueda de herramientas o
partes
4. Manejo excesivo de los
productos
5. Envío de producto defectivo
al cliente
6. Mal servicio al cliente
7. Aprobaciones innecesarias
18
icicm
3. MODELO LINEAL SIMPLE
icicm
19
Correlación entre variables X y Y
Correlación PositivaEvidente
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
Correlación NegativaEvidente
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
CorrelaciónPositiva
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
CorrelaciónNegativa
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
Sin Correlación
10
15
20
25
5 10 15 20 25
X
Y
0
5
0
R=1
R=>-1
R=-1
R=0
R=>1
icicm
20
Coeficiente de correlación (r )r se encuentra entre -1 y 1
Con r positiva la recta va hacia arriba a la derecha. Con r negativo va hacia abajo
Con r = 0 no hay correlación lineal, los puntos están muy dispersos de la recta, puede haber un patrón curvilíneo
Cuando r = 1 o -1, todos los puntos está, sobre la recta y SSE es igual a cero
icicm
21
Modelo de regresión lineal simple
7060504030
85
80
75
70
65
60
55
50
45
Tiempo de estudio (horas)
Resu
ltados
de p
rueba (
%) S 4.47182
R-Sq 77.0%R-Sq(adj) 74.2%
Regression95% CI
Fitted Line PlotResultados de prueba (%) = 31.21 + 0.6955 Tiempo de estudio (horas)
Y = a + bX
icicm
22
Modelo de regresión lineal simple
Regression Analysis: Resultados de prueba versus Tiempo de estudioThe regression equation isResultados de prueba (%) = 31.2 + 0.695 Tiempo de estudio (horas)
Predictor Coef SE Coef T PConstant 31.212 6.465 4.83 0.001Tiempo de estudio (horas) 0.6955 0.1342 5.18 0.001
S = 4.47182 R-Sq = 77.0% R-Sq(adj) = 74.2%
Analysis of VarianceSource DF SS MS F PRegression 1 536.92 536.92 26.85 0.001Residual Error 8 159.98 20.00Total 9 696.90
Como P value para Tiempo de estudio es menor a 0.05, esta variable independiente tiene un efecto o influencia significativa en la respuesta
23
icicm
4. REGRESIÓN LINEAL MÚLTIPLE
icicm
24
Regresión lineal múltipleModelo de primer orden
Tabla ANOVA
25
icicm Ejemplo
Considere el problema de predecir las ventas mensuales en función del costo de publicidad. Calcular la ecuación de regresión e identificar las variables significativas:
MES Publicidad Ventas
1 1.2 1012 0.8 923 1.0 1104 1.3 1205 0.7 906 0.8 827 1.0 938 0.6 759 0.9 9110 1.1 105
icicm
26
Resultados de MinitabRegression Analysis:
Ventas versus MES, Publicidad
The regression equation isVentas = 50.8 - 0.499 MES + 50.9 Publicidad
Predictor Coef SE Coef T PConstant 50.82 12.46 4.08 0.005MES -0.4991 0.8089 -0.62 0.557Publicidad 50.88 11.03 4.61 0.002
S = 7.11821 R-Sq = 77.8% R-Sq(adj) = 71.5%
Conclusión: La variable Publicidad es la que tiene una influencia significativa en las ventas
icicm
27
Valor p de la pruebaProbabilidad del estadístico muestral
que se compara con un valor crítico alfa (5% o 1%) en una prueba de hipótesis.
Un valor pequeño de p indica que la hipótesis nula Ho es falsa Alfa o valor p Comentarios
P > 5% No hay evidencia de diferencia significativa
1 < p < 5% Hay diferencia estadísticamente significativa
P <= 1% Hay una alta diferencia estadística significativa
icicm
28
Ejemplo de MinitabThe regression equation is Resultados de prueba (%) = 31.2 + 0.695 Tiempo de estudio (horas) Predictor Coef SE Coef T P Constant 31.212 6.465 4.83 0.001 Tiempo de estudio (horas) 0.6955 0.1342 5.18 0.001 Analysis of Variance Source DF SS MS F P Regression 1 536.92 536.92 26.85 0.001 Residual Error 8 159.98 20.00 Total 9 696.90
29
icicm
5. PRUEBAS DE HIPÓTESIS
1. Conceptos básicos
2. Pruebas de una y dos colas
3. Estimación puntual y por intervalo
4. Pruebas de hipótesis
icicm
30
Conceptos básicos
Hipótesis nula
Es la hipótesis que se desea probar, se establece a partir del
problema y se indica como Ho. Por ejemplo:
•Al investigar si una semilla mejora el rendimiento. Ho: R1 = R2
•Se trata de probar si el promedio del proceso A es mayor que
el promedio del proceso B. Ho: A <= B
La hipótesis nula solo puede rechazarse o no rechazarse (no se
puede aceptar), cuando se rechaza la Ho, se acepta la hipótesis
alterna (su complemento) Ha.
icicm
31
Tipos de errores (I alfa y II beta)
icicm
Pruebas de una cola
Ho: Media <= 35 hrsHa: Media >35 hrs
Ho: Pmedia >= 20%Ha: Pmedia < 20 hrs
icicm
Pruebas de dos colas
Ho: Media A – Media B = 0Ha: Media A – Media B <> 0
icicm
34
EjemploEstablecer las hipótesis
Determinar el P value con base en datos de la muestra con Minitab
Comparar P value con 0.05 y decidir -1.645 -1.18 0
icicm
35
Ejemplo: el tiempo promedio que una persona ahorra en un banco es de 5 años con una desviación estándar de 0.12 años. Se verificaron 5 cuentas nuevas resultando en 5.10, 4.90, 4.92. 4.87, 5.09, 4.89, 4.95 y 4.88 ¿Se puede afirmar con un 95% de confianza que las nuevas cuentas se guardan por un periodo más corto que el original?
One-Sample Z: Tiempo prom Test of mu = 5 vs < 5The assumed standard deviation = 0.12 95% UpperVariable N Mean StDev SE Mean Bound Z PTiempo prom 8 4.9500 0.0929 0.0424 5.0198 -1.18 0.119Como el P value 0.119 es mayor a 0.05 y no se encuentra en la región de rechazo, no puede rechazarse Ho.
icicm
36
-1.645 -1.18 0
P valueP value
Alfa = 0.05
F
Prueba de hipótesis para Ho: Media >= 5, no se rechaza Ho.
icicm
37
La media de ingresos de un hospital es de 880. Se está evaluando un nuevo programa de mercadotecnia durante 25 días (n = 25) con un rendimiento de 900 y desviación estándar de 20. ¿Se puede decir a un 95% de confianza que el ingreso ha cambiado?
One-Sample T
Test of mu = 880 vs not = 880 N Mean StDev SE Mean 95% CI T P25 900.00 20.00 4.00 (891.74, 908.26) 5.00 0.000
Como el valor P value de 0.000 es menor a 0.05, se rechaza la Ho y se concluye al 95% de nivel de confianza que el ingreso ha cambiado.
icicm
38
Prueba de hipótesis para Ho: Media = 880, se rechaza Ho. La media cambió 0.025 2.064 0.025 P value = 0.000
Como el valor P value de 0.000 es menor a 0.05, se rechaza la Ho y se concluye al 95% de nivel de confianza que el ingreso ha cambiado.
icicm
39
Prueba de la diferencia entre 2 medias muestrales cuando se conocen las varianzas de las poblaciones y se consideran iguales.
Ejemplo: comparar el peso de productos de dos máquinas
M 1 M 23.125 3.11
3.12 3.0953.135 3.115
3.13 3.123.125 3.125
Difference = mu (M1) - mu (M2)Estimate for difference: 0.0140095% CI for difference: (0.00075, 0.02725)T-Test of difference = 0 (vs not =): T-Value = 2.44 P-Value = 0.041
Conclusión: Como el valor P value de 0.041 es menor a 0.05, se rechaza la Ho y se concluye al 95% de nivel de confianza las medias de las máquinas son diferentes.
40
icicm
6. ANÁLISIS DE VARIANZA
http://www.uncp.edu/home/frederick/DSC510/m510ANOVA.htm
icicmicicmANOVA de una vía o dirección
41
http://www.uncp.edu/home/frederick/DSC510/m510ANOVA.htm
icicm
42
ANOVA – Prueba de hipótesis para probar la igualdad de varias medias de un factor
diferentessonsunasAHa
Ho a
..'.lg:
.........: 321
Se trata de probar si el efecto de un factor o
Tratamiento en la respuesta de un proceso o sistema es
Significativo, al realizar experimentos variando
Los niveles de ese factor (Temp. 1, Temp. 2, Temp.3, etc.)
icicm
43
ANOVA – Ejemplo de datosNiveles del Factor Peso % de algodón y Resistencia de tela
Peso porc. Respuestade algodón Resistencia de la tela
15 7 7 15 11 920 12 17 12 18 1825 14 18 18 19 1930 19 25 22 19 2335 7 10 11 15 11
icicm
44
ANOVA – Toma de decisión
P value
Fc
Alfa
Zona de rechazoDe Ho o aceptar Ha
Zona de no rechazo de HoO de no aceptar Ha
Distribución F
Si el valor de p correspondiente a Fc es menor de Alfa se rechaza Ho
icicm
45
EjemploSe comparan las salidas de tres máquinas, determinar si hay una diferencia significativa en alguna de ellas.
Instrucciones de Minitab: Stat > ANOVA > One Way (unstacked) Responses (in separate columns) M1 M2 M3 Confidence level 95% OK
M1 M2 M3 5, 7, 6, 7, 6 2, 0, 1, -2, 2 1, 0, -2, -3, 0
icicm
46
One-way ANOVA: M1, M2, M3 Source DF SS MS F PFactor 2 137.20 68.60 33.19 0.000Error 12 24.80 2.07Total 14 162.00S = 1.438 R-Sq = 84.69% R-Sq(adj) = 82.14% Individual 95% CIs For Mean Based on Pooled StDevLevel N Mean StDev ---------+---------+---------+---------+M1 5 6.200 0.837 (-----*----)M2 5 0.600 1.673 (----*-----)M3 5 -0.800 1.643 (-----*----) ---------+---------+---------+---------+ 0.0 2.5 5.0 7.5Pooled StDev = 1.438
Conclusión: Como el valor P value de 0.000 es menor a 0.05, se rechaza la Ho y se concluye al 95% de nivel de confianza que la media de la máquina M1 es diferente de las demás, como se muestra en las gráficas.
47
icicm
7. OTRAS HERRAMIENTAS
icicm
48
Análisis de causa raízSituación Acción
inmediataAcción
intermediaAcción de causa
raízLa presa tiene fuga
Taparle Poner un parche Buscar la causa de la fuga y reconstruir la presa
Partes fuera de especificaciones
Inspección 100%
Poner un dispositivo de prueba en la línea
Analizar el proceso y tomar acción para eliminar la producción de partes defectuosas
icicm
49
Los 5 por qués1. ¿Por qué? Nos atrasamos, falló la
máquina
2. ¿Por qué? No dio mantenimiento en tres meses
3. ¿Por qué? Se redujo el personal de 8 a 6 gentes
4. ¿Por qué? tiempo extra excedido, se prohibió
5. La empresa no logró los resultados, el director ordenó evitar gastos innecesarios
icicm
50
Las 5W – 1H
1. ¿Qué?2. ¿Por qué?
3. ¿Cómo?4. ¿Dónde?
5. ¿Quién?6. ¿Cuándo?
icicm
51
¿ Qué es el AMEF?El Análisis de del Modo y Efectos de
Falla es un grupo sistematizado de actividades para:
Reconocer y evaluar fallas potenciales y sus efectos.
Identificar acciones que reduzcan o eliminen las probabilidades de falla.
Documentar los hallazgos del análisis.
52
icicmDEFINICIONES
Modo de Falla
- La forma en que un producto o proceso puede fallar para cumplir con las especificaciones.
- Normalmente se asocia con un Defecto o falla.
ejemplos: Diseño Procesoroto Flojofracturado de mayor
tamañoFlojo equivocado
Modo de Falla
- La forma en que un producto o proceso puede fallar para cumplir con las especificaciones.
- Normalmente se asocia con un Defecto o falla.
ejemplos: Diseño Procesoroto Flojofracturado de mayor
tamañoFlojo equivocado
53
icicmEfecto
- El impacto en el Cliente cuando el Modo de Falla no se previene ni corrige.
- El cliente o el siguiente proceso puede ser afectado.
Ejemplos: Diseño Procesoruidoso
Deterioro prematurooperación errática Claridad
insuficienteCausa
- Una deficiencia que genera el Modo de Falla. - Las causas son fuentes de Variabilidad asociada con
variables de Entrada Claves
Ejemplos: Diseño Proceso .
material incorrecto error en ensamble
demasiado esfuerzo no cumple las
especificaciones
Efecto
- El impacto en el Cliente cuando el Modo de Falla no se previene ni corrige.
- El cliente o el siguiente proceso puede ser afectado.
Ejemplos: Diseño Procesoruidoso
Deterioro prematurooperación errática Claridad
insuficienteCausa
- Una deficiencia que genera el Modo de Falla. - Las causas son fuentes de Variabilidad asociada con
variables de Entrada Claves
Ejemplos: Diseño Proceso .
material incorrecto error en ensamble
demasiado esfuerzo no cumple las
especificaciones
54
icicm
Componente ______________________Responsable del Diseño ____________ AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de FMEA ______(rev.) ______
Artículo /Función
Modo Potencial de Falla
Efecto (s)Potencial
(es)de falla
Sev.
Clase
Causa(s)Potencial(es) /Mecanismos
de la falla
Occur
Controles de Diseño Actuales
Prevención
Controles de Diseño
Actuales Detección
Detec
RPN
Acción (es)Recomenda
da (s)
Responsabley fecha objetivode Terminación
AccionesTomadas
Sev
Occ
Det
RPN
Resultados de Acción
ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseño
55
icicm
Determine Efecto(s)
Potencial(es) de falla
• Efectos Locales– Efectos en el Area Local – Impactos Inmediatos
• Efectos en procesos subsecuentes– Entre Efectos Locales y Usuario Final
• Efectos con el cliente final– Efecto en el Usuario Final del
producto
56
icicm
Componente ______________________ Responsable del Diseño ____________ AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Funciónde
Artículo
Modos de FallaPotenciales
Efecto (s)Potencial (es)
de falla
Sev.
Causa(s)Potencial(es)
de los Mecanismosde falla
Occur
Controles de Diseño Actual
Detec
RPN
AcciónSugerida
Responsabley fecha límite
de Terminación
AcciónAdoptada
Sev
Occ
Det
RPN
Factura Datos LOCAL:incorrecta incorrectos Rehacer
la factura
MAXIMO PROXIMO
Contabilidad 7 3 5 105erronea
CON CLIENTEMolestiaInsatisfacción
Resultados de Acción
ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseño / Proceso
Riesgo = Severidad x Ocurrencia x Detección
Causas probables a atacar primero
icicm
57
Planear Acciones
Requeridas para todos los CTQsListar todas las acciones sugeridas,
qué persona es la responsable y fecha de terminación.
Describir la acción adoptada y sus resultados.
Recalcular número de prioridad de riesgo .
Reducir el riesgo general del diseño
58
icicm
Componente ______________________Responsable del Diseño ____________ AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de FMEA ______(rev.) ______
Artículo /Función
Modo Potencial de Falla
Efecto (s)Potencial
(es)de falla
Sev.
Clase
Causa(s)Potencial(es) /Mecanismos
de la falla
Occur
Controles de Diseño Actuales
Prevención
Controles de Diseño
Actuales Detección
Detec
RPN
Acción (es)Recomenda
da (s)
Responsabley fecha objetivode Terminación
AccionesTomadas
Sev
Occ
Det
RPN
Abertura de La aberturaLOCAL:engrane no es Daño a sensorproporcionasuficiente de velocidad yclaro de engraneaire entredientes MAXIMO PROXIMO
Falla en eje
CON CLIENTE
Equipo 7 3 5 105parado
Resultados de Acción
ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseño
Usar RPN para identificar acciones futuras. Una vez que se lleva a cabo la acción, recalcular el RPN.
icicm
59
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de FMEA ______(rev.) ______
Funcióndel Producto/
Paso del proceso
Modos de FallaPotenciales
Efecto (s)Potencial (es)
de falla
Sev.
Causa(s)Potencial(es)
o Mecanismosde falla
Occur
Controles de Diseño o Proceso Actuales
Detec
RPN
AcciónSugerida
Responsabley fecha límite
de Terminación
AcciónAdoptada
Sev
Occ
Det
RPN
Resultados de Acción
ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseño / Proceso