Beruflich Dokumente
Kultur Dokumente
icicm
icicm
1. INTRODUCCIN
icicm
Fase de Anlisis
PROPSITOS: Establecer hiptesis sobre posibles Causas Raz Refinar, rechazar, o confirmar la Causa Raz Seleccionar las Causas Raz ms importantes: Las pocas Xs vitales
SALIDAS: Causas raz validadas Factores de variabilidad identificados
icicm
Herramientas
1. Los 7 desperdicios 2. Diagrama de Ishikawa / Causa efecto 3. Diagrama de interrelaciones 4. Diagrama 5W-1H
icicm
Herramientas
7. Valor p 8. Pruebas de hiptesis 9. ANOVA de una va 10. ANOVA de dos vas 11. Anlisis de causas raz 12. 5 Porqus, 5W 1H 13. 3 x 5Wa 14. Anlisis del Modo y Efecto de Falla (AMEF)
icicm
Tormenta de ideas
icicm
Mtodos
Personal
Falta de supervi Falta de cin motivacin
Posicin de exhibidores
Elaboracin de pedidos
Maquinara
Medicin
Materiales
icicm
Diagrama de interrelaciones
icicm
13/0
Dancer
Que nos puede provocar Variacin de Velocidad Durante el ciclo de cambio en la seccin del Embobinadores?
2/1
Taco generador del motor Poleas guas
Bandas de transmisin
1/1
Empaques de arrastre
Causas a validar
0/3
5/2
Drive principal
Mal guiado
Sensor de velocidad de lnea Sensor circunferencial
4/1 Voltaje del motor 1/5 Ejes principales 1/5 Poleas de transmisin
Entradas Salidas
Causa Efecto
icicm
Reproducibilidad
Repetibilidad
Estabilidad
Linealidad Calibracin
Sesgo
11
icicm
QFD
FASE DE ANLISIS
Definicin Y=X1 + X2+. .Xn CTQs = Ys Operatividad Medicin Y, X1, X2, Xn X's Causas potenciales
Llenar columnas del FMEA Hasta sol. Propuesta y comprobar causas con Pruebas de Hiptesis
X's vitales Si Causas raz validadas
No
Causa Raz?
12
icicm
qu? 1 Tacogenerador de motor embobinador por qu?
2.1 Por que nos genera una varin en la seal de referencia hacia el control de velocidad del motor embobinador
Abril 04
1804 Embob.
U. P.
3.1.1 Tomar lecturas de vibracin en alojamientos de rodamientos 3.1.2 Comparar valores de vibraciones con lecturas anteriores. 3.1.3 Analizar valor lecturas de vibracin tomadas.
4.1.1 Verificar alineacin, entre poleas de ejes principales y polea de transmisin del motor. 4.1.2 Tomar dimensiones de poleas(dientes de transmisin). 4.1.3 Tomar dimensiones de bandas (dientes de transmisin) 4.1.4 Verificar valor de tensin de bandas.
Abril04
1804 Embob.
F. F.
Abril04
1804 Embob.
J. R. U. P.
13
icicm
Resumen de la validacin de las causas
# de Causa 1 2 3 4
Causas
Ensamble de ojillos, bloques y contrapesos no adecuados en aspas. Amortiguadores daados. Desgaste de bujes en los carretes. Fabricacin y reemplazo de ejes y poleas no adecuados en ensamble de aspas. Desalineamiento de poleas y bandas de transmisin de aspas. Mtodo de Balanceo no adecuado. Desalineacin de pinolas en cuna.
Resultados
SI ES CAUSA RAIZ
Causa Raz
5 6 7
SI ES CAUSA RAIZ
X X
14
icicm
15
icicm
2. Inventarios innecesarios 3. Reparaciones / Rechazos 4. Movimientos innecesarios 5. Proceso adicional o reproceso 6.Transportes innecesarios
7. Esperas innecesarias
8. Otros desperdicios
16
icicm
1. Recursos subutilizados
2. Conteos adicionales
OTROS DESPERDICIOS
3. Bsqueda de herramientas o
partes
4. Manejo excesivo de los productos 5. Envo de producto defectivo al cliente
icicm
18
icicm
Sin Correlacin
25 20 15
R=1
Y
R=-1
25 20 15 Y 10 5 0 0
Correlacin Positiva
10 5 0 0 5 10 X 15 20 25 25 20 15 Y 10 5
Correlacin Negativa
R=0
10 X
15
20
25
0 0 5 10 X 15 20 25
R=>1
R=>-1
19
icicm
Coeficiente de correlacin (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 correlacin lineal, los puntos estn muy dispersos de la recta, puede haber un patrn curvilneo Cuando r = 1 o -1, todos los puntos est, sobre la recta y SSE es igual a cero
20
icicm
Y = a + bX
21
icicm
R-Sq(adj) = 74.2%
Analysis of Variance Source DF SS Regression 1 536.92 Residual Error 8 159.98 Total 9 696.90
MS 536.92 20.00
F 26.85
P 0.001
Como P value para Tiempo de estudio es menor a 0.05, esta variable independiente tiene un efecto o influencia significativa en la respuesta
22
icicm
23
icicm
Tabla ANOVA
24
icicm
Ejemplo
Considere el problema de predecir las ventas mensuales en funcin del costo de publicidad. Calcular la ecuacin de regresin e identificar las variables significativas: MES
1 2 3 4 5 6 7 8 9 10
Publicidad
1.2 0.8 1.0 1.3 0.7 0.8 1.0 0.6 0.9 1.1
Ventas
101 92 110 120 90 82 93 75 91 105
25
icicm
Resultados de Minitab
Regression Analysis: Ventas versus MES, Publicidad The regression equation is Ventas = 50.8 - 0.499 MES + 50.9 Publicidad
S = 7.11821
R-Sq = 77.8%
R-Sq(adj) = 71.5%
Conclusin: La variable Publicidad es la que tiene una influencia significativa en las ventas
26
icicm
Valor p de la prueba
Probabilidad del estadstico muestral que se compara con un valor crtico alfa (5% o 1%) en una prueba de hiptesis. Un valor pequeo de p indica que la hiptesis nula Ho es falsa
Alfa o valor p Comentarios P > 5% No hay evidencia de diferencia significativa 1 < p < 5% Hay diferencia estadsticamente significativa P <= 1% Hay una alta diferencia estadstica significativa
27
icicm
Ejemplo de Minitab
The 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 Regression Residual Error Total DF SS MS F P 1 536.92 536.92 26.85 0.001 8 159.98 20.00 9 696.90
28
icicm
5. PRUEBAS DE HIPTESIS
1. Conceptos bsicos 2. Pruebas de una y dos colas 3. Estimacin puntual y por intervalo 4. Pruebas de hiptesis
29
icicm
Conceptos bsicos
Hiptesis nula
Es la hiptesis 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
icicm
31
icicm
icicm
icicm
Ejemplo
Establecer las hiptesis 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
34
icicm
Ejemplo: el tiempo promedio que una persona ahorra en un banco es de 5 aos con una desviacin estndar de 0.12 aos. 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 ms corto que el original?
One-Sample Z: Tiempo prom Test of mu = 5 vs < 5 The assumed standard deviation = 0.12 95% Upper Variable N Mean StDev SE Mean Bound Z P Tiempo prom 8 4.9500 0.0929 0.0424 5.0198 -1.18 0.119 Como el P value 0.119 es mayor a 0.05 y no se encuentra en la regin de rechazo, no puede rechazarse Ho.
35
icicm
-1.645
F Alfa = 0.05
-1.18
P value
36
icicm
La media de ingresos de un hospital es de 880. Se est evaluando un nuevo programa de mercadotecnia durante 25 das (n = 25) con un rendimiento de 900 y desviacin estndar 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 25 900.00 20.00 4.00 (891.74, 908.26) T 5.00 P 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.
37
icicm
Prueba de hiptesis para Ho: Media = 880, se rechaza Ho. La media cambi
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.
38
icicm
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 mquinas M1 3.125 3.12 3.135 3.13 3.125 M2 3.11 3.095 3.115 3.12 3.125
Difference = mu (M1) - mu (M2) Estimate for difference: 0.01400 95% CI for difference: (0.00075, 0.02725) T-Test of difference = 0 (vs not =): T-Value = 2.44
P-Value = 0.041
Conclusin: 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 mquinas son diferentes.
39
icicm
http://www.uncp.edu/home/freder ick/DSC510/m510ANOVA.htm
6. ANLISIS DE VARIANZA
40
icicm
http://www.uncp.edu/home/frederick/DSC510/m510ANOVA.htm
41
icicm
icicm
11 18 19 19 15
9 18 19 23 11
43
icicm
icicm
Ejemplo
Se comparan las salidas de tres mquinas, determinar si hay una diferencia significativa en alguna de ellas. M1 5, 7, 6, 7, 6 M2 2, 0, 1, -2, 2 M3 1, 0, -2, -3, 0
Instrucciones de Minitab: Stat > ANOVA > One Way (unstacked) Responses (in separate columns) M1 M2 M3 Confidence level 95% OK
45
icicm
One-way ANOVA: M1, M2, M3 Source DF SS MS F P Factor 2 137.20 68.60 33.19 0.000 Error 12 24.80 2.07 Total 14 162.00 S = 1.438 R-Sq = 84.69% R-Sq(adj) = 82.14% Individual 95% CIs For Mean Based on Pooled StDev Level 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 7.5 Pooled StDev = 1.438
Conclusin: 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 mquina M1 es diferente de las dems, como se muestra en las grficas.
46
icicm
7. OTRAS HERRAMIENTAS
47
icicm
Accin Accin de causa intermedia raz Poner un parche Buscar la causa de la fuga y reconstruir la presa Poner un Analizar el dispositivo de proceso y tomar prueba en la accin para lnea eliminar la produccin de partes defectuosas
48
icicm
49
icicm
Las 5W 1H
1. Qu? 2. Por qu? 3. Cmo? 4. Dnde?
5. Quin? 6. Cundo?
50
icicm
Qu es el AMEF?
El Anlisis 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 anlisis.
51
icicm
DEFINICIONES
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: Diseo Proceso roto Flojo fracturado de mayor tamao Flojo equivocado
52
icicm
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: Diseo Proceso ruidoso Deterioro prematuro operacin errtica Claridad insuficiente Causa - Una deficiencia que genera el Modo de Falla. - Las causas son fuentes de Variabilidad asociada con variables de Entrada Claves Ejemplos: Diseo material incorrecto Proceso . error en ensamble
demasiado esfuerzo
icicm
Componente ______________________ Responsable del Diseo ____________ Ensamble ________________ Equipo de Trabajo ___________
Resultados de Accin Modo Efecto (s) Artculo / Potencial Potencial Funcin de Falla (es) de falla S e v . C Causa(s) l Potencial(es) / a Mecanismos s de la falla e O Controles Controles de c de Diseo Diseo c Actuales Actuales u Prevencin Deteccin r D e R Accin (es) Responsable t P Recomenda y fecha objetivo da (s) de Terminacin e N c Acciones Tomadas S O D R e c e P v c t N
54
icicm
Efectos en procesos subsecuentes Entre Efectos Locales y Usuario Final Efectos con el cliente final Efecto en el Usuario Final del producto
55
icicm
Resultados de Accin Funcin de Artculo Efecto (s) Modos de Falla Potencial (es) Potenciales de falla S e v . O Causa(s) c Potencial(es) Controles de c de los Mecanismos Diseo Actual u de falla r D e t e c R P N Accin Sugerida Responsable y fecha lmite de Terminacin Accin Adoptada S O D R e c e P v c t N
Factura incorrecta
Datos incorrectos
105
56
icicm
Planear Acciones
Requeridas para todos los CTQs Listar todas las acciones sugeridas, qu persona es la responsable y fecha de terminacin. Describir la accin adoptada y sus resultados. Recalcular de prioridad de riesgo . Reducir elnmero riesgo general del diseo
57
icicm
Componente ______________________ Responsable del Diseo ____________ Ensamble ________________ Equipo de Trabajo ___________
Resultados de Accin C Modo Efecto (s) S Causa(s) l Artculo / Potencial Potencial e Potencial(es) / a Funcin de Falla (es) v Mecanismos s de falla . de la falla e Abertura de La abertura LOCAL: engrane no es Dao a sensor proporciona s uficiente de velocidad y claro de engrane aire entre dientes MAXIMO PROXIMO Falla en eje O Controles Controles de c de Diseo Diseo c Actuales Actuales u Prevencin Deteccin r D e t e c R P N Accin (es) Responsable Recomenda y fecha objetivo da (s) de Terminacin Acciones Tomadas S O D R e c e P v c t N
5 105
Usar RPN para identificar acciones futuras. Una vez que se lleva a cabo la accin, recalcular el RPN.
58
icicm
Resultados de Accin Funcin del Producto/ Paso del proceso Efecto (s) Modos de Falla Potencial (es) Potenciales de falla S e v . Causa(s) Potencial(es) o Mecanismos de falla O c c u r Controles de Diseo o Proceso Actuales D e R Accin t P Sugerida e N c Responsable y fecha lmite de Terminacin Accin Adoptada S O D R e c e P v c t N
59