icicm

IV. FASE DE ANLISIS

Yellow Belts
Dr. Primitivo Reyes Aguilar / agosto 2012

icicm

IV. FASE DE ANLISIS

1. Introduccin 2. Los 7 desperdicios 3. Modelo lineal simple 4. Regresin lineal mltiple 5. Pruebas de hiptesis 6. Anlisis de varianza 7. Otras herramientas
2

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

5. Regresin lineal simple

6. Regresin lineal mltiple

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

Permite obtener ideas de los participantes

icicm

Diagrama de Causa efecto

Medio ambiente
Clima hmedo Distancia de la agencia al changarro Frecuencia de visitas

Mtodos

Personal
Falta de supervi Falta de cin motivacin

Rotacin de personal Ausentismo

Posicin de exhibidores

Elaboracin de pedidos

Clientes con ventas bajas

Malos itinerarios Descompostura del camin repartidor

Seguimiento semanal Conocimiento de los mnimos por ruta

Qu produce bajas ventas Calidad del de Tortillinas producto Ta Rosa?

Tipo de exhibidor

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

2/4 0/4 1/2 5/1 1/4 1/4

1/1
Empaques de arrastre

Causas a validar

0/3

Presin de aire de trabajo

Presin del dancer

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

Posibles Fuentes de la Variacin del Proceso

Variacin del proceso, observado (Zlp/Zlt y/ DPMO) Variacin del proceso, real Variacin dentro de la muestra Variacin de la medicin
Variacin originada por el calibrador

Reproducibilidad

Repetibilidad

Estabilidad

Linealidad Calibracin

Sesgo

La Repetibilidad y reproducibilidad (R&R), son los errores ms relevantes en la medicin.

11

icicm

QFD

FASE DE ANLISIS

Diagrama Causa Efecto

Diagrama de relaciones Diagrama de Ishikawa Diagrama de rbol

Definicin Y=X1 + X2+. .Xn CTQs = Ys Operatividad Medicin Y, X1, X2, Xn X's Causas potenciales

Anlisis del Modo y Efecto de Falla (AMEF)

Pruebas de hiptesis Diagrama de Flujo del proceso

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?

Comprobacin de causas reales

cmo? 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. 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. cundo? Abril 04 dnde? 1804 Embob. quin? J. R.

1.1 Por variacin de voltaje durante el ciclo de cambio

2 Sensor circular y de velocidad de linea.

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 Ejes principales de transmisin.

3.1 Por vibracin excesiva durante el ciclo de cambio

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.

4 Poleas de transmisin de ejes embobinadores .

4.1 Puede generar vibracin excesiva durante el ciclo de cambio.

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

SI ES CAUSA RAIZ NO ES CAUSA RAIZ NO ES CAUSA RAIZ

5 6 7

SI ES CAUSA RAIZ

X X

SI ES CAUSA RAIZ NO ES CAUSA RAIZ

14

icicm

2. LOS 7 DESPERDICIOS (MUDA)

15

icicm

LOS 7 DESPERDICIOS (MUDA)

1. Sobreproduccin

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

6. Mal servicio al cliente

7. Aprobaciones innecesarias
17

icicm

3. MODELO LINEAL SIMPLE

18

icicm

Correlacin entre variables X y Y

Correlacin Positiva Evidente 25
20 15 10 5 0 0 5 10 15 20 25 Y
Y

Correlacin Negativa Evidente

25 20 15 10 5 0 0 5 10 X 15 20 25

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

Modelo de regresin lineal simple

Resultados de prueba (%) = 31.21 + 0.6955 Tiempo de estudio (horas) 85 80
Resultados de prueba (%)
Regression 95% CI S R-Sq R-Sq(adj) 4.47182 77.0% 74.2%

Fitted Line Plot

75 70 65 60 55 50 45 30 40 50 60 Tiempo de estudio (horas) 70

Y = a + bX
21

icicm

Modelo de regresin lineal simple

Regression Analysis: Resultados de prueba versus Tiempo de estudio The regression equation is Resultados de prueba (%) = 31.2 + 0.695 Tiempo de estudio (horas) Predictor Constant Tiempo de estudio (horas) S = 4.47182 R-Sq = 77.0% Coef 31.212 0.6955 SE Coef 6.465 0.1342 T 4.83 5.18 P 0.001 0.001

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

4. REGRESIN LINEAL MLTIPLE

23

icicm

Regresin lineal mltiple

Modelo de primer orden

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

Predictor Constant MES Publicidad

Coef 50.82 -0.4991 50.88

SE Coef 12.46 0.8089 11.03

T 4.08 -0.62 4.61

P 0.005 0.557 0.002

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

el promedio del proceso B. Ho: A <= B

La hiptesis nula solo puede rechazarse o no rechazarse (no se puede aceptar), cuando se rechaza la Ho, se acepta la hiptesis

alterna (su complemento) Ha.

30

icicm

Tipos de errores (I alfa y II beta)

31

icicm

Pruebas de una cola

Ho: Media <= 35 hrs Ha: Media >35 hrs

Ho: Pmedia >= 20% Ha: Pmedia < 20 hrs

icicm

Pruebas de dos colas

Ho: Media A Media B = 0 Ha: Media A Media B <> 0

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

Prueba de hiptesis para Ho: Media >= 5, no se rechaza Ho.

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

ANOVA de una va o direccin

http://www.uncp.edu/home/frederick/DSC510/m510ANOVA.htm

41

icicm

ANOVA Prueba de hiptesis para probar la igualdad de varias medias de un factor

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.)

Ho : 1 2 3 ......... a Ha : A lg unas. ' s.son.diferentes

42

icicm

ANOVA Ejemplo de datos

Niveles del Factor Peso % de algodn y Resistencia de tela

Peso porc. de algodn 15 20 25 30 35

Respuesta Resistencia de la tela 7 7 15 12 17 12 14 18 18 19 25 22 7 10 11

11 18 19 19 15

9 18 19 23 11
43

icicm

ANOVA Toma de decisin

Distribucin F
P value

Alfa Zona de no rechazo de Ho O de no aceptar Ha Fc

Si el valor de p correspondiente a Fc es menor de Alfa se rechaza Ho
44

Zona de rechazo De Ho o aceptar Ha

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

Anlisis de causa raz

Situacin
La presa tiene fuga

Accin inmediata Taparle

Partes fuera de Inspeccin especificaciones 100%

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

Los 5 por qus

1. Por qu? Nos atrasamos, fall la mquina 2. Por qu? No dio mantenimiento en tres meses 3. Por qu? Se redujo el personal de 8 a 6 gentes 4. Por qu? tiempo extra excedido, se prohibi

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

no cumple las especificaciones 53

icicm

ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseo

AMEF Nmero _________________ Pagina _______de _______ FECHA (orig.) de FMEA ______(rev.) ______ Prepar _______________

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

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
55

icicm

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

Responsable del Diseo ____________ AMEF Nmero _________________ Prepar _______________ Pagina _______de _______ FECHA (orig.) de AMEF ______(rev.) ______

Componente ______________________ Ensamble ________________ Equipo de Trabajo ___________

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

LOCAL: Rehacer la factura

MAXIMO PROXIMO Contabilidad erronea CON CLIENTE Molestia Insatisfaccin

Riesgo = Severidad x Ocurrencia x Deteccin

105

Causas probables a atacar primero

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

ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseo

AMEF Nmero _________________ Pagina _______de _______ FECHA (orig.) de FMEA ______(rev.) ______ Prepar _______________

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

CON CLIENTE Equipo parado

5 105
Usar RPN para identificar acciones futuras. Una vez que se lleva a cabo la accin, recalcular el RPN.

58

icicm

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

Responsable del Diseo ____________ AMEF Nmero _________________ Prepar _______________ Pagina _______de _______ FECHA (orig.) de FMEA ______(rev.) ______

Componente ______________________ Ensamble ________________ Equipo de Trabajo ___________

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