La descarga está en progreso. Por favor, espere

La descarga está en progreso. Por favor, espere

IV. FASE DE ANÁLISIS Dr. Primitivo Reyes Aguilar / agosto 2012 1 Yellow Belts.

Presentaciones similares


Presentación del tema: "IV. FASE DE ANÁLISIS Dr. Primitivo Reyes Aguilar / agosto 2012 1 Yellow Belts."— Transcripción de la presentación:

1 IV. FASE DE ANÁLISIS Dr. Primitivo Reyes Aguilar / agosto Yellow Belts

2 IV. FASE DE ANÁLISIS 1. Introducción 2. Los 7 desperdicios 3. Modelo lineal simple 4. Regresión lineal múltiple 5. Pruebas de hipótesis 6. Análisis de varianza 7. Otras herramientas 2

3 1. INTRODUCCIÓN 3

4 4 Fase de Análisis 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

5 Herramientas 1. 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 5

6 Herramientas 7. Valor p 8. Pruebas de hipótesis 9. ANOVA de una vía 10. ANOVA de dos vías 11. Análisis de causas raíz Porqués, 5W – 1H x 5Wa 14. Análisis del Modo y Efecto de Falla (AMEF) 6

7 7 Tormenta de ideas Permite obtener ideas de los participantes

8 Diagrama de Causa efecto 8

9 Diagrama de interrelaciones 9

10 Dancer Taco generador del motor Poleas guías Presión del dancer Mal guiado Sensor de velocidad de línea Sensor circunferencial Bandas de transmisión Empaques de arrastre Presión de aire de trabajo Drive principal Voltaje del motor Ejes principales Poleas de transmisión ¿Que nos puede provocar Variación de Velocidad Durante el ciclo de cambio en la sección del Embobinadores? Causas a validar 13/0 2/4 0/4 1/2 5/1 1/4 2/1 1/1 0/3 5/2 4/1 1/5 Entradas Causa Salidas Efecto

11 11

12 12 Llenar columnas del FMEA Hasta sol. Propuesta y comprobar causas con Pruebas de Hipótesis

13 13 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 Tomar dimensiones de ensamble entre coples Verificar estado actual y especificaciones de escobillas tomar valores de voltaje de salida durante el ciclo de cambio. Abril 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 Tomar dimensiones de la distancia entre poleas y sensores Tomar valores de voltaje de salida de los sensores Verificar estado de rodamientos de poleas. Abril Embob. U. P. 3 Ejes principales de transmisión. 3.1 Por vibración excesiva durante el ciclo de cambio Tomar lecturas de vibración en alojamientos de rodamientos Comparar valores de vibraciones con lecturas anteriores Analizar valor lecturas de vibración tomadas. Abril Embob. F. 4 Poleas de transmisión de ejes embobinadores. 4.1 Puede generar vibración excesiva durante el ciclo de cambio Verificar alineación, entre poleas de ejes principales y polea de transmisión del motor Tomar dimensiones de poleas(dientes de transmisión) Tomar dimensiones de bandas (dientes de transmisión) Verificar valor de tensión de bandas. Abril Embob. J. R. U. P.

14 14

15 2. LOS 7 DESPERDICIOS (MUDA) 15

16 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 16

17 OTROS DESPERDICIOS 1. 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 17

18 3. MODELO LINEAL SIMPLE 18

19 Correlación entre variables X y Y 19 Correlación Positiva Evidente X Y Correlación Negativa Evidente X Y Correlación Positiva X Y Correlación Negativa X Y Sin Correlación X Y R=1 R=>-1 R=-1 R=0 R=>1

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 20

21 Modelo de regresión lineal simple 21 Y = a + bX

22 Modelo de regresión lineal simple 22 Regression Analysis: Resultados de prueba versus Tiempo de estudio The regression equation is Resultados de prueba (%) = Tiempo de estudio (horas) Predictor Coef SE Coef T P Constant Tiempo de estudio (horas) S = R-Sq = 77.0% R-Sq(adj) = 74.2% Analysis of Variance Source DF SS MS F P Regression Residual Error Total 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 4. REGRESIÓN LINEAL MÚLTIPLE 23

24 Regresión lineal múltiple Modelo de primer orden Tabla ANOVA 24

25 25 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: MESPublicidadVentas

26 Resultados de Minitab 26 Regression Analysis: Ventas versus MES, Publicidad The regression equation is Ventas = MES Publicidad Predictor Coef SE Coef T P Constant MES Publicidad S = R-Sq = 77.8% R-Sq(adj) = 71.5% Conclusión: La variable Publicidad es la que tiene una influencia significativa en las ventas

27 Valor p de la prueba Probabilidad 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 27

28 Ejemplo de Minitab 28

29 5. PRUEBAS DE HIPÓTESIS 1. Conceptos básicos 2. Pruebas de una y dos colas 3. Estimación puntual y por intervalo 4. Pruebas de hipótesis 29

30 Conceptos básicos 30 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.

31 Tipos de errores (I alfa y II beta) 31

32 Pruebas de una cola Ho: Media <= 35 hrs Ha: Media >35 hrs Ho: Pmedia >= 20% Ha: Pmedia < 20 hrs

33 Pruebas de dos colas Ho: Media A – Media B = 0 Ha: Media A – Media B <> 0

34 Ejemplo Establecer las hipótesis Determinar el P value con base en datos de la muestra con Minitab Comparar P value con 0.05 y decidir 34

35 35 One-Sample Z: Tiempo prom Test of mu = 5 vs < 5 The assumed standard deviation = % Upper Variable N Mean StDev SE Mean Bound Z P Tiempo prom Como el P value es mayor a 0.05 y no se encuentra en la región de rechazo, no puede rechazarse Ho.

36 36 P value Alfa = 0.05 F Prueba de hipótesis para Ho: Media >= 5, no se rechaza Ho.

37 37 One-Sample T Test of mu = 880 vs not = 880 N Mean StDev SE Mean 95% CI T P (891.74, ) Como el valor P value de es menor a 0.05, se rechaza la Ho y se concluye al 95% de nivel de confianza que el ingreso ha cambiado.

38 38 Como el valor P value de es menor a 0.05, se rechaza la Ho y se concluye al 95% de nivel de confianza que el ingreso ha cambiado.

39 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 1M Difference = mu (M1) - mu (M2) Estimate for difference: % CI for difference: ( , ) T-Test of difference = 0 (vs not =): T-Value = 2.44 P-Value = 0.041

40 6. ANÁLISIS DE VARIANZA 40 ick/DSC510/m510ANOVA.htm

41 ANOVA de una vía o dirección 41

42 42 ANOVA – Prueba de hipótesis 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.)

43 43 ANOVA – Ejemplo de datos Niveles del Factor Peso % de algodón y Resistencia de tela

44 44 ANOVA – Toma de decisión P value Fc Alfa Zona de rechazo De Ho o aceptar Ha Zona de no rechazo de Ho O de no aceptar Ha Distribución F Si el valor de p correspondiente a Fc es menor de Alfa se rechaza Ho

45 Ejemplo 45

46 46 One-way ANOVA: M1, M2, M3 Source DF SS MS F P Factor Error Total S = R-Sq = 84.69% R-Sq(adj) = 82.14% Individual 95% CIs For Mean Based on Pooled StDev Level N Mean StDev M (-----*----) M (----*-----) M (-----*----) Pooled StDev = 1.438

47 7. OTRAS HERRAMIENTAS 47

48 Análisis de causa raíz 48 SituaciónAcción inmediata Acción intermedia Acción de causa raíz La presa tiene fuga TaparlePoner un parcheBuscar 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

49 Los 5 por qués 1. ¿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 49

50 Las 5W – 1H 1. ¿Qué? 2. ¿Por qué? 3. ¿Cómo? 4. ¿Dónde? 5. ¿Quién? 6. ¿Cuándo? 50

51 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 52 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: Diseño Proceso roto Flojo fracturado de mayor tamaño Flojo 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 Proceso roto Flojo fracturado de mayor tamaño Flojo equivocado

53 53 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 Proceso ruidoso Deterioro prematuro operación errática Claridad insuficiente Causa - Una deficiencia que genera el Modo de Falla. - Las causas son fuentes de Variabilidad asociada con variables de Entrada Claves Ejemplos: DiseñoProceso. 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 Proceso ruidoso Deterioro prematuro operación errática Claridad insuficiente Causa - Una deficiencia que genera el Modo de Falla. - Las causas son fuentes de Variabilidad asociada con variables de Entrada Claves Ejemplos: DiseñoProceso. material incorrecto error en ensamble demasiado esfuerzo no cumple las especificaciones

54 54

55 55 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 56 Causas probables a atacar primero

57 57 Planear Acciones Requeridas para todos los CTQs Listar 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 58

59 59


Descargar ppt "IV. FASE DE ANÁLISIS Dr. Primitivo Reyes Aguilar / agosto 2012 1 Yellow Belts."

Presentaciones similares


Anuncios Google