Descargar la presentación
La descarga está en progreso. Por favor, espere
1
Curso de actualización en Ingeniería de calidad
Lean Seis Sigma Curso de actualización en Ingeniería de calidad VIII. FASE DE ANÁLISIS Dr. Primitivo Reyes Aguilar / febrero 2009
2
Viii. FASE DE ANÁLISIS 1. Introducción 2. Los 7 desperdicios
3. Análisis Multi Vari 4. Modelo lineal simple 5. Regresión lineal múltiple 6. Pruebas de hipótesis 7. Análisis de varianza 8. Otras herramientas
3
VIIi.1 introducción
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
5
Herramientas 1. Los 7 desperdicios 2. Análisis Multivari
3. Análisis de Regresión– simple y múltiple 3. Pruebas de hipótesis 4. ANOVA (una o dos vía) 5. Otras herramientas Análisis de causas raíz 5 Porqués, 5W – 1H, AMEF
7
Llenar columnas del FMEA
Hasta sol. Propuesta y comprobar causas con Pruebas de Hipótesis
9
Viii. 2 los 7 desperdicios (MUDA)
1. Sobreproducción 2. Inventarios 3. Reparaciones / Rechazos 4. Movimientos 5. Proceso adicional 6.Transporte 7. Espera Otros desperdicios
10
viii.3 análisis multi vari
11
Ejemplo
12
Tipos de variación Variación dentro de la pieza (posicional)
Variación de pieza a pieza (cíclica) Variación con el tiempo (temporal)
13
Ejemplo Diámetro de Flecha (0.150" +/- .002)
14
Resultados: ahorro $8,000 en dos semanas y Cp > 1
Cartas Multivari Resultados: ahorro $8,000 en dos semanas y Cp > 1
15
viii.4 MODELO lineal SIMPLE
16
Modelo de regresión lineal simple
Y = a + bX
17
Modelo de regresión lineal simple
Mínimos cuadrados
18
Método manual Calcular Y con X = 60
19
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
Coeficiente de correlación (r )
Sxy = 772, Sx = 1,110, Sy^2 = 696.9 Con los datos anteriores
21
Coeficiente de determinación r2
Su valor se encuentra entre 0 y 1 El 77 de la variación en calificaciones se explica por la variación en horas de estudio Con los datos anteriores
22
Coeficiente de determinación r2
23
viii.5 regresión lineal múltiple
24
Regresión lineal múltiple
Modelo de primer orden Modelo de segundo orden Tabla ANOVA
25
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
26
Ejemplo de Minitab
27
viii.6 pruebas de hipótesis
1. Conceptos básicos 2. Pruebas de una y dos colas 3. Estimación puntual y por intervalo 4. Pruebas de hipótesis
28
Tipos de errores (I alfa y II beta)
29
Ilustración del error Beta ()
Alfa es el área de C a en N(=70, =0.8) C = valor crítico Beta es el área de - a C en N(=71, =0.8) Si la media del proceso se corre de 70 a 71, hay un 76% de probabilidad de no detectarlo o error Beta
30
Errores Alfa y Beta para dos colas
)
31
Curva de potencia 1 -
32
Tamaño de muestra
33
Estimación por intervalo
37
Ejemplo Establecer las hipótesis
Determinar el estadístico de prueba con base en datos de la muestra Establecer la región crítica de rechazo y decidir
38
VIII.7 Análisis de varianza
VIII.7 Análisis de varianza 1. ANOVA de una vía 2. ANOVA de dos vías
39
ANOVA PARA UN FACTOR O DIRECCIÓN
40
Diseños de un factor - ANOVA
ANOVA de un factor, una vía o una dirección ANOVA de un factor y una variable de bloqueo, dos vías o dos direcciones ANOVA de un factor y dos variables de bloqueo – CUADRADO LATINO ANOVA De un factor y tres variables de bloqueo – CUADRADO GRECOLATINO ANOVA De un factor y cuatro variables de bloqueo – CUADRADO HIPER-GRECOLATINO
41
ANOVA - Condiciones Todas las poblaciones son normales
Todas las poblaciones tiene la misma varianza Los errores son independientes con distribución normal de media cero La varianza se mantiene constante para todos los niveles del factor
42
ANOVA – Prueba de hipótesis para probar la igualdad de medias de varias poblaciones para 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
ANOVA – Ejemplo de datos
Niveles del Factor Peso % de algodón y Resistencia de tela
44
ANOVA – Suma de cuadrados total
Xij Gran media Xij
45
ANOVA – Suma de cuadrados de renglones (a)-tratamientos
Media Trat. 1 Media Trat. a a renglones Gran media Media trat. 2
46
ANOVA – Suma de cuadrados del error
X2j X3j X1j Media X1. Media X3. Media X2. Muestra Muestra Muestra 3
47
ANOVA – Suma de cuadrados del error
X2j X3j X1j Media X1. Media X3. Media X2. Muestra Muestra Muestra 3
48
ANOVA – Grados de libertad: Totales, Tratamientos, Error
49
ANOVA – Cuadrados medios: Total, Tratamiento y Error
50
ANOVA – Cálculo del estadístico Fc y Fexcel
51
ANOVA fórmulas
52
Tabla ANOVA y conclusión
53
Tabla final de ANOVA
54
ANOVA – Toma de decisión
Distribución F Fexcel Alfa Zona de rechazo De Ho o aceptar Ha Zona de no rechazo de Ho O de no aceptar Ha Fc
55
ANOVA – Toma de decisión
Si Fc es mayor que Fexcel se rechaza Ho Aceptando Ha donde las medias son diferentes O si el valor de p correspondiente a Fc es menor de Alfa se rechaza Ho
56
ANOVA – Identificar las medias diferentes por Prueba de Tukey T
Para diseños balanceado (mismo número de columnas en los tratamientos) el valor de q se determina por medio de la tabla en el libro de texto
57
ANOVA – Identificar las medias diferentes por Prueba de Tukey T
Se calcula la diferencia Di entre cada par de Medias Xi’s: D1 = X1 – X D2 = X1 – X3 D3 = X2 – X3 etc. Cada diferencia Di se compara con el valor de T, si lo exceden entonces la diferencia es significativa de otra forma se considera que las medias son iguales
58
ANOVA – Identificar las medias diferentes por Prueba de Diferencia Mínima Significativa DMS
Para diseños balanceados (los tratamientos tienen igual no. De columnas), se calcula un factor DMS contra el que se comparan las diferencias Xi – Xi’. Significativas si lo exceden
59
Prueba DMS para Diseños no balanceados
Para diseños no balanceados (los tratamientos tienen diferente no. De columnas), se calcula un factor DMS. Para cada una de las diferencias Xi – Xi’
60
ANOVA de dos vías Fuente SS DF MS F F0.05, 1, 2
Columnas (materiales) 872.44 2 436.22 20.8 F0.05, 2,14= 3.74 Filas (instructor) 1 95.6 F0.05, 1,14= 4.6 Error 293.78 14 20.98 Total 17
61
Cuadrado latino
62
VIII.8 otras herramientas
1. Análisis de causa raíz 2. Los cinco porqués 3. 5W-1H 4. AMEF
63
Análisis de causa raíz
64
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
65
Las 5W – 1H 1. ¿Qué? 2. ¿Por qué? 3. ¿Cómo? 4. ¿Dónde? 5. ¿Quién? 6. ¿Cuándo?
66
¿ 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.
67
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
68
- El cliente o el siguiente proceso puede ser afectado.
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: Diseño Proceso material incorrecto error en ensamble demasiado esfuerzo no cumple las especificaciones
70
Potencial(es) de falla
Determine Efecto(s) Potencial(es) de falla Efectos Locales Efectos en el Area Local Impactos Inmediatos Efectos Mayores Subsecuentes Entre Efectos Locales y Usuario Final Efectos Finales Efecto en el Usuario Final del producto
71
Causas probables a atacar primero
72
Reducir el riesgo general del diseño
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
74
Análisis del modo y efecto de falla
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.