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 _________________


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


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 _________________



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


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 _________________



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


ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseño / Proceso

IV . FASE DE ANÁLISIS Dr . Primitivo Reyes Aguilar / agosto 2012

Documents

Transcript of IV . FASE DE ANÁLISIS Dr . Primitivo Reyes Aguilar / agosto 2012