Análisis resultados KNAPP test

Slides:



Advertisements
Presentaciones similares
Sección 4 Gastos Generales
Advertisements

Ricardo Lopez Ingunza, MV, MPVM Profesor
El método científico.
SISTEMAS DE GESTIÓN DE LA SEGURIDAD DE LA INFORMACIÓN
Control Estadístico de Procesos
Ingeniería de métodos y tiempos
COMPETENCIA: FORMULAR UN PROYECTO DE INVESTIGACIÓN
EL ÁRBOL DE PROBLEMAS Facultad de Ciencias Médicas
MANUAL DE FUNCIONAMIENTO MATERIALES
DIPLOMADO GESTION DE CALIDAD
PLAN DE MUESTREO Facilitador: Ing. Nilsson Villa.
PRODUCTO NO CONFORME.
Formulación y Gestión de Proyectos
Muestreo para la inspección por atributos
puede o no ser verdadero, relativo a una o más poblaciones.
LA ENSEÑANZA DE CONCEPTOS Y PROCEDIMIENTOS
Gráficas de control por atributos.
CONTROL DE PRODUCTO NO CONFORME 3
Unidad 4. Muestreo de Aceptación
Probabilidad Condicional: Probabilidad Total y Teorema de Bayes
Cumplimiento en tareas programadas.
MUESTREO DE ACEPTACIÓN DE LOTES POR VARIABLES
PANORAMA DE FACTORES DE RIESGO
República de Colombia Ministerio de Hacienda y Crédito Público LA TECNOLOGÍA COMO HERRAMIENTA PARA LA DETECCIÓN DE LAVADO DE ACTIVOS Bogotá, D.C. Unidad.
Clase 5 Hipótesis de diferencias de grupos
Control estadístico de Proceso
Diseño de métodos de trabajo
Importancia de las aplicaciones de estadística en el control de procesos Guatemala 2010.
MANTENIMIENTO PREDICTIVO DE GENERADORES SINCRONOS
Mt. Martín Moreyra Navarrete.
Tema 4 : Diseño de bienes y servicios. Gestión de la Calidad
Cynthia Fresno 1 QUESTION ANSWERING. Cynthia Fresno2 Índice: 1) ¿Qué es el question answering?. 2) Sistema de question answering. 3) TREC vs. CBC. 4)
PROGRAMA DE PROTECCION RESPIRATORIA
Análisis de Datos.
Tópico: “Plataforma para el desarrollo de proyectos con dsPICs y Visión Robótica con LabVIEW” Proyecto 9 APLICACIÓN DE VISIÓN CON LABVIEW PARA LA DETECCIÓN.
EXPERIMENTACIÓN NUMÉRICA
Distribución binomial
Clasificación Guía Ramírez Sandra Paola.
Sección B Control Estadístico de calidad
Análisis Cuantitativo de Datos (Básico)
Tema 14 DISTRIBUCIÓN Angel Prieto Benito
Análisis y diseño de experimentos
Intervalo de Confianza para una proporción con muestra grande
Inspecciones de seguridad e informe de inspecciones …
Proyecto Individual: Rovira Biscuits
Ing. Noretsys Rodríguez. Definición de Conceptos  Falla: Ocurre cuando un programa no se comporta de manera adecuada. Es una propiedad estadística de.
METÓDICA DE LA INVESTIGACIÓN Y LA ENSEÑANZA EN LENGUAS
Distribuciones probabilísticas discretas
Pruebas de hipótesis.
Señales 1-D -audio f(t). 2-D - imágenes f(x, y) N-D - radiación f(x, z, t, ). Por el número de dimensiones (variables independientes) Clasificación de.
UNIVERSIDAD NACIONAL AUTONOMA DE HONDURAS UNAH CENTRO UNIVERSITARIO REGIONAL DEL LITORAL ATLANTICO (CURLA) ASIGNATURA: FUNDAMENTOS DE CALIDAD TOTAL.
Introducción al proceso de verificación y validación.
PLANES DE MUESTREO Y GRAFICAS DE CONTROL
Presentado Por: Mavel López R. Analista IGT. T-1 Llegada del Material a Estación de Trabajo.
Control Estadístico de Procesos
Prueba de Hipótesis Una hipótesis estadística es un supuesto que se establece sobre las características de una distribución poblacional El estudio se plantea.
CISO 3155: Capítulo 91 Evaluando los promedios de dos grupos distintos Capítulo 9.
Prueba de Hipótesis. Prueba de Hipótesis. Profesor René Quiñones.
Introducción a la Administración de Proyectos
Asesoría Relacionada a la Seguridad. Balance de Seguridad.
Marco de Trabajo para Indexación, Clasificación y Recopilación Automática de Documentos Digitales Javier Caicedo Espinoza Gonzalo Parra Chico.
Estadística Administrativa II
RECHAZO DE DATOS DE UNA SERIE
Poka Yoke UNIVERSIDAD POLITÉCNICA DE EL SALVADOR
PLANES DE MUESTREO Y GRÁFICAS DE CONTROL
ESTADISTICA Llamada ciencia de los datos por el aporte que recibe de la matemática y el uso que hace de esta para la medición de errores. Se encarga de.
PROYECTO DE MODERNIZACION. ACCIONES CORRECTIVAS Y PREVENTIVAS Acción Correctiva. Conjunto de acciones tomadas para eliminar la(s) causa(s) de una no conformidad.
PROGRAMA DE INNOVACIÓN Y DESARROLLO TECNOLÓGICO PRODUCTIVO – CONVENIO : SENA-NEW STETIC Proyecto: Sistema de visión industrial para inspección.
SISTEMA DE VISIÓN INDUSTRIAL PARA INSPECCIÓN Y CONTROL CALIDAD DE DIENTES ARTIFICIALES DE LA LÍNEA DE DOS CAPAS Convocatoria Innovación Tecnológica No.
Evaluando los promedios de grupos distintos UNIDAD 7 1.
Transcripción de la presentación:

Análisis resultados KNAPP test

KNAPP Test El objetivo del test es comparar la cantidad de rechazos de la inspección de la máquina contra una inspección manual. En la prueba de validación KNAPP test cada pieza es inspeccionada un número determinado de veces. Si la cantidad de rechazos para una pieza supera un umbral (70%) determinado esta es clasificada como rechazada.

Se tomo una muestra de 588 dientes de los cuales: Descripción Se tomo una muestra de 588 dientes de los cuales: - 179 están correctamente clasificados: - 89 sucios. - 90 descascarados. - 409 dientes al azar. Matriz de ubicación de defectos

Descripcion Las muestras en la maquina se sometieron a 10 tomas por las dos caras, almacenando imágenes y resultados en base de datos (11760 imagenes). Por parte de NewStetic, 5 operarios inspeccionaron las muestras 10 veces cada uno y se genero un informe con los resultados.

Descripcion A partir de base de datos maquina y el informe de NewStetic se genera un reporte para cada uno con los siguientes datos para cada diente: Caja Diente Los resultados de cada inspección (maquina: 10, NewStetic: 50) Resultado final de la inspección (70%) Desviación estándar de resultados Factor de calidad = (n/N) * 10 n = Número rechazos; N = Número inspecciones El resultado de cada inspeccion se obtiene priorizando la camara superior.

Resultados Máquina Operarios Conformes 42 231 No conformes 463 245 No concluyentes 69 112 Sucios 77 87 Descascarados 215 55 No concluyentes por tipo 171 49 Desviacion estandar promedio 0.2471 0.2620 SumFQ (7≤FQ≤10, ver protocolo NS) 4193 2460 Otro tipo de defectos (solo NS) 54 (Máquina: C: 3, S: 5, D:25: NC:10 NCT:11) Dientes faltantes (Máquina) 14 (NS: 2 conformes, 12 no conformes)

Relación factores de calidad Formula protocolo: FQa/FQv * 100 = 170.51 Criterio de aceptación >= 100%

Comparación resultados Comparación NS y Maquina vs Matriz de ubicación de defectos. Comparación Máquina vs NS.

Comparación Matriz ubicación de defectos Máquina Operarios Aciertos 100 108 Aciertos en sucios 27 61 Aciertos en descascarados 46 44 Clasificacion truncada 3 Clasificados como “otro tipo de defecto” (solo NS) 2 No concluyentes 71 58 No detectados 7 10 Dientes faltantes (Máquina) 1

Comparación Máquina vs NS Total Sucios Descascarados Clasificados como no conformes por máquina que pasaron como conformes por operarios 98 17 81 Clasificados como no conformes por operarios que pasaron como conformes por máquina 6

Situaciones por resolver Falsas alarmas: Regiones detectadas como defecto cuando no lo son. Falsos negativos: Regiones no detectadas por el sistema de visión.

Falsas Alarmas – Bordes de los dientes Actividades: Revisar segmentación / clasificación. Revisar características de clasificación. Aplicar solución particular a estos casos.

Falsas Alarmas – Bordes de los dientes Actividades: Revisar segmentación / clasificación. Revisar características de clasificación. Aplicar solución particular a estos casos.

Falsas Alarmas – Bordes de los dientes Actividades: Revisar segmentación / clasificación. Revisar características de clasificación. Aplicar solución particular a estos casos.

Falsas Alarmas – Bordes de los dientes Actividades: Revisar segmentación / clasificación. Revisar características de clasificación. Aplicar solución particular a estos casos.

Falsas Alarmas – Etiquetas/Altos relieves/huecos Actividades: Identificar las zonas donde estos elementos se encuentran y no inspeccionarlos. Identificar diente/cara. Clasificadores especializados en detectar estas clases específicas.

Falsas Alarmas – Etiquetas/Altos relieves/huecos Actividades: Identificar las zonas donde estos elementos se encuentran y no inspeccionarlos. Identificar diente/cara. Clasificadores especializados en detectar estas clases específicas.

Falsas Alarmas – Etiquetas/Altos relieves/huecos Actividades: Identificar las zonas donde estos elementos se encuentran y no inspeccionarlos. Identificar diente/cara. Clasificadores especializados en detectar estas clases específicas.

Falsas Alarmas – Etiquetas/Altos relieves/huecos Actividades: Identificar las zonas donde estos elementos se encuentran y no inspeccionarlos. Identificar diente/cara. Clasificadores especializados en detectar estas clases específicas.

Falsas Alarmas – Pigmentos Actividades: Revisar con personal de NS esta situación. Caracterizar el fenómeno.

Falsas Alarmas – Pigmentos Actividades: Revisar con personal de NS esta situación. Caracterizar el fenómeno.

Falsos Negativos – Bajo contraste Actividades: Revisar enfoque, montaje óptico. Técnicas de realce (vetas).

Falsos Negativos – Bajo contraste Actividades: Revisar enfoque, montaje óptico. Técnicas de realce (vetas).

Falsos Negativos – Caras que no es posible inspeccionar Existen piezas que tienen caras que debido a su forma es imposible que la pieza se apoye sobre esta haciendo que la cara opuesta nunca sea visible en los dos puntos de inspección. Actividades: Analizar el impacto de esta situación.

Conclusiones Si bien el KNAPP Test arroja un resultado positivo la situación de falsas alarmas no permite arrojar un resultado concluyente. Se debe socializar todas las situaciones encontradas con el personal de la empresa. Se deben implementar las acciones correctivas. Varias de estas tienen incidencia en la detección de los otros defectos.