Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modulo3 Fanalisis
Modulo3 Fanalisis
Taller de
Lean
Sigma
bsico
Mdulo 3. Fase
de Anlisis
Primitivo Reyes Aguilar
Noviembre 2009
P.
Contenido
5. FASE DE ANLISIS.................................................................................3
Introduccin..............................................................................................3
1. Identificar las fuentes de variacin y causas potenciales.....................4
Diagrama causa-efecto (ishikawa).........................................................4
Los cinco Porqus...............................................................................6
Diagrama de Interrelaciones................................................................10
Diagrama de rbol...............................................................................12
2. Comprobacin de causas raz por pruebas fsicas con 5W-1H............14
3. Comprobacin de causas raz de fuentes de variacin.......................17
Pruebas de Hiptesis...........................................................................17
Introduccin:.....................................................................................17
Prueba de Hiptesis de dos poblaciones:.........................................18
Pruebas pareadas.............................................................................21
Anlisis de varianza (ANOVA)...........................................................23
Anlisis Multi-vari.................................................................................25
Correlacin y regresin lineal simple...................................................28
Diagrama de Dispersin...................................................................28
4. Anlisis del modo y efecto de falla (FMEA).........................................38
P.
5. FASE DE ANLISIS
Definir
Definir
Medir
Analizar
Analizar
Mejorar
Mejorar
Controlar
Controlar
Introduccin
En esta fase se efectuar el anlisis de los datos obtenidos en la etapa
de Medicin, con el propsito de conocer las relaciones causales. La
informacin de este anlisis proporcionar evidencias de las fuentes de
variacin y desempeo insatisfactorio, el cual es de gran utilidad para la
mejora del proceso.
PROPSITOS:
P.
P.
P.
P.
Mquinas
Personal
Mtodos
Materiales
Mediciones
Medio ambiente
Por
Por
Por
Por
Por
qu?
qu?
qu?
qu?
qu?
P.
AMBIENTE
MATLS.
Polvo
Forma
Vibracione
s
Dureza
Humedad Almacn
Temperatu
ra
FORMA
Dimetro
Curvatura
ALMACN
Tiempo
Ambiente
PERSONA
L
MTODO
Salud
Ajuste
Habilidad Velocidad
Humor
HABILIDA
D
HUMOR
Seleccin Horas
Formaci Moral
MAQUINAS
Mantto.
Deformaci
n
Abrasin
Herramenta
l
Cansancio
P.
P.
10
de HABILIDAD y HUMOR
derecha).
P.
OK
6. Indicando el problema de FALLA DE SOLDADURA en Effect y aceptar
con OK.
OK
Cause-and-Effect Diagram
Mediciones
Matls.
Personal
Salud
Forma
Dureza
Habilidad
Almacn
Humor
FALLA DE
SOLDADURA
Temperatura
Herramental
Humedad
Abrasin
Vibraciones
Polvo
Ambiente
Velocidad
Ajuste
Mtodo
Deformacin
Mantto.
Mquinas
11
P.
http://media.photobucket.com/image/Matriz%20de%20esfuerzo
%20beneficio/ogalonzo/blog/matriz.gif
Diagrama de Interrelaciones
12
P.
http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/herramientas_calidad/interrel
aciones.htm
13
P.
14
P.
Diagrama de rbol
http://www.estrategiamagazine.com/administracion/la-tecnica-del-arbol-parala-toma-de-decisiones-efectivas-herramientas/
15
P.
http://www.gestiopolis.com/recursos/documentos/fulldocs/ger1/genercal.htm
Un diagrama de rbol (diagrama sistemtico) es una tcnica que se emplea
para buscar la forma ms apropiada y eficaz de alcanzar un objetivo especfico.
Esta herramienta grfica de diagrama los diversos niveles de detalle, estos
representan acciones (o tareas) que siguen rutas lgicas para implantar un
objetivo amplio. Al implantar los puntos detallados de accin, se crea un efecto
de dominio que lleva al logro del objetivo principal.
Cuando se trabaja sobre un objetivo amplio, un diagrama de rbol ayuda a
orientar tareas especficas, es posible emplearlo para planear la implantacin
de una solucin detallada en forma ordenada. El diagrama de rbol funciones
para dividir un aspecto u objetivo ms complejo.
PASOS
1. Reunir un equipo apropiado.
2. Elegir la declaracin de objetivo.
c. Es posible elegir dicho asunto o problema de las siguientes
fuentes:
El aspecto clave o la tarjeta de encabezado ms crtica de un
diagrama de afinidad.
La declaracin de efecto de un diagrama de causa y efecto
El aspecto clave de un diagrama de rbol
16
P.
Ejemplo:
17
18
P.
19
P.
P.
Pruebas de Hiptesis
Introduccin:
Una hiptesis es una afirmacin o suposicin de una situacin. Por ejemplo, al
implementar la solucin de un problema se tiene una mejora ya sea en su
media o en su varianza (variacin).
Por qu usar la Prueba de Hiptesis?
Se usa para probar si dos grupos son realmente diferentes (estadsticamente
significativo) o si la diferencia es debida a la variacin natural. Se aplica
cuando se quiere probar si es significativo el efecto de una causa en la
respuesta, o si hay un cambio significativo en la respuesta despus de realizar
una mejora.
El primer turno se desarrolla mejor que el segundo turno?
21
P.
P.
2
540
610
730
490
550
460
590
640
720
690
Form_1
0.98
0.974
Levene's Test
Test Statistic
P-Value
Form_2
200
Form_1
22
Form_2
450
500
550
600
650
Data
700
750
800
0.00
1.000
P.
es
Mayor
que 0.05,
23
P-Value = 0.025
DF = 17
P.
Resultados:
Boxplot of Form_ 1, Form_ 2
850
800
750
Data
700
650
600
550
500
450
Form_1
Form_2
(14.1, 189.9)
Se concluye que Las medias de las formulaciones son diferentes
Equipo
B
18.0
22.9
26.4
24.8
26.9
17.8
24.6
21.0
24
P.
Pruebas pareadas
NOTA: Se utilizan cuando se aplica el mismo tratamiento a los mismos sujetos,
como cuando se prueba el efecto de la capacitacin antes y despus del curso.
Ejemplo: Los tiempos de terminacin para la tarea con un mtodo mejorado y
actual son, para el mismo empleado son los siguientes. Probar a un 90% de
nivel de confianza si los mtodos dan los mismos resultados.
Mtodo_
1
6.0
5.0
7.0
Mtodo_
2
5.4
5.2
6.5
25
P.
5.9
6.0
5.8
Planteamiento de Hiptesis
Ho: M1 - M2 = 0
Ha:. M1 - M2 <>
0
Instrucciones de Minitab:
Stat > Basic statistics > Paired test
Samples in columns
First sample Mtodo_1)
Second Sample: Mtodo_2
Options: Confidence level 90% Test Mean 0.0 Alternative: Not equal
Graphs: Box plot of differences
OK OK
Resultados:
95% CI for mean difference:
T-Test of mean difference = 0 (vs not = 0): T-Value = 2.20
P-Value =
Despus
6
6
7
4
3
9
7
6
Ho: Pi1 = Pi 2
=0
Ha: Pi1 <> Pi2
Pi1 - Pi2
Pi1 - Pi2
26
P.
<> 0
Ver instrucciones de Minitab en ejemplos anteriores
SI el cero se encuentra en el intervalo de confianza, las medias no son
diferentes.
Si el valor P de la prueba t es mayor a 0.08 se acepta Ho y las medias son
iguales.
Instrucciones de Minitab:
Stat > ANOVA One way (Unstacked)
Responses (in separate columns) Depto_A Depto_B Depto_C
Comparisons: Tukeys, family error rate 5
Graphs: Box plot of data
OK
Resultados:
27
DF
2
15
17
SS
4.778
9.000
13.778
MS
2.389
0.600
F
3.98
P.
P
0.041
Como el valor P de 0.041 es menor que 0.05, se concluye que las medias no
son iguales.
El peor aprovechamiento lo tuvo el departamento C:
Level
Depto_A
Depto_B
Depto_C
N
6
6
6
Mean
7.3333
7.1667
6.1667
StDev
0.8165
0.7528
0.7528
De las grficas de diferencias de Tukey, las medias de los procesos que son
diferentes son (dado que el cero no se encuentra en el intervalo de confianza
de la diferencia de medias Pairwise comparisons):
Si son diferentes o no estadsticamente, se comprueba con la Prueba de Tukey
con las grficas:
Lower
-1.3272
-2.3272
Center
-0.1667
-1.1667
---------+---------+---------+---------+
(---------*--------)
(--------*---------)
---------+---------+---------+---------+
-1.2
0.0
1.2
2.4
Lower
-2.1606
Center
-1.0000
Upper
0.1606
---------+---------+---------+---------+
(---------*--------)
---------+---------+---------+---------+
-1.2
0.0
1.2
2.4
Ejercicio:
Probar a un 95% de nivel de confianza si hay diferencia significativa entre los
tiempos de respuesta de tres diferentes tcnicos A, B y C usados para reparar
un equipo. Comparar las diferencias entre medias por el mtodo de Tukey. Los
datos ejemplo se muestran a continuacin:
28
B
20
21
23
17
30
P.
C
6
5
8
16
7
Instrucciones en Minitab:
Stat > ANOVA One way (Unstacked) Un solo factor desapilado
Responses (in separate columns) A B C
Graphs Box Plots
Comparisons: Tukeys family error rate 5
OK
Anlisis Multi-vari
En el caso de algunas variables como la temperatura de tanques vara
dependiendo del lugar donde se tomen.
La variacin puede ser lote a lote, tiempo a tiempo o dentro del lote,
para analizar estos tres tipos de variacin se utiliza la carta Multi-vari.
Tambin sirven para investigar la consistencia de un proceso.
Procedimiento de muestreo
Seleccionar el proceso y la caracterstica a ser investigada
Seleccionar los lotes y frecuencia en el tiempo
Usar una hoja tabular para registrar el tiempo y los valores para
cada lote
Graficar la carta con el tiempo o secuencia en el eje horizontal
Graficar los valores medidos en el eje vertical
Unir los valores observados con lneas apropiadas
Analizar la carta identificando la variacin dentro del lote, entre
lotes y en el tiempo
29
P.
30
P.
Temperatura
Temp. en 4 puntos
Nmero de lote
La interpretacin de la carta es aparente una vez que se grafican los
valores. Las ventajas de las cartas Multi-vari son:
Por ejemplo:
reas de
variacin
Posicional
Cclica
Temporal
Dentro del
lote
Lote a lote
En el tiempo
Ejemplo descriptivo:
Un fabricante de lminas planas de aluminio lleva control del espesor
despus del rolado en caliente. La especificacin es de 0.245 0.005.
El proceso ha producido desperdicio ya que su Cp es de 0.8, el costo del
desperdicio es de $20,000 por mes. Se ha pensado en adquirir otra
mquina con un costo de $800,000 y 6 meses de instalacin.
31
P.
% de
variacin
Variacin y
causa
Correccin
de la
variacin
Tiempo a
tiempo
50%
Alimentador
automtico
Dentro de la
pieza
30%
Bajo nivel
de
refrigerante
Ajustes no
paralelas
Dentro de la
pieza
10 15%
Pieza a
pieza
5 10%
Respaldo
Cerca del
del rollo
30%
renivelado
Se agregan
10%
ms espreas
de rociado
Enfriamient
o
inadecuado
del rollo
Desconocido Ninguna
32
% de
reduccin
de la
variacin
Cerca del
50%
Ninguna
P.
El costo total de las mejoras fue de $8,000 tomando dos semanas para el
proyecto y el Cp >1 cumpliendo con las especificaciones establecidas.
En Minitab:
File > Open worksheet > Sinter.mtw
Stat > Quality tools > Multi-Vari chart
Response Strenght Factor 1: Sinter time Factor 2: Metal type
OK
Multi-Vari Chart for Strength by SinterTime - MetalType
24
SinterTime
100
150
200
23
Strength
22
21
20
19
18
17
1
2
MetalType
33
P.
34
Correlacin Negativa
Evidente
Correlacin Positiva
Evidente
25
25
20
20
15
15
10
P.
5
0
10
15
20
Sin Correlacin
0
25
10
0
0
10
25
15
20
25
20
15
25
Correlacin
Positiva
10
0
0
20
10
15
20
25
25
20
15
15
10
Correlacin
Negativa
10
5
0
0
10
15
20
25
10
15
20
25
35
P.
80
75
70
65
60
55
50
30
40
50
60
Tiempo de estudio (horas)
70
36
4.47182
77.0%
74.2%
P.
37
Error tpico
ANLISIS DE VARIANZA
Suma de
Grados de
libertad
Cuadrados
5885.85206
Regresin
1
9
220.092634
Residuos
23
8
6105.94470
Total
24
4
Intercepcin (bo)
XServicios (b1)
P.
Coeficient
es
5.114515
575
2.902704
421
Observaciones: Ecuacin
Error tpico
1.14580412
7
0.11704071
9
Promedio
de
cuadrado
s
5885.8520
69
9.5692449
92
Valor crtico
de F
F
615.0800
898 4.24118E-18
Significativa
Si es < 0.05
Estadstic Probabilid
ot
ad
Inferior 95%
4.463691 0.000177 2.74423916
004
215
1
24.80080 4.24118E- 2.66058724
825
18
9
Y = 5.11 + 2.9*X
Stat > Regression > Fitted Line Plot ... Indicar la columna de
Respuestas Y y la de predictores X, seleccionar si se quiere ajustar con los
38
P.
datos con una lnea, una funcin cuadrtica o cbica y aceptar con OK.
Observar el mayor valor del coeficiente de correlacin que indica el mejor
ajuste.
Fitted Line Plot
Y Tiempo = 5.115 + 2.903 X Servicios
70
S
R-Sq
R-Sq(adj)
60
3.09342
96.4%
96.2%
Y Tiempo
50
40
30
20
10
0
0
10
X Servicios
15
20
Resultados:
The regression equation is
Y Tiempo = 46.5 + 52.6 X Servicios
Predictor
Constant
X Servicios
Coef
46.486
52.57
S = 6.83715
SE Coef
9.885
10.26
R-Sq = 76.6%
T
4.70
5.12
P
0.002
0.001
R-Sq(adj) = 73.7%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
1
8
9
SS
1226.9
374.0
1600.9
MS
1226.9
46.7
F
26.25
P
0.001
Coeficiente de determinacin
Es el cuadrado del coeficiente de correlacin lineal, o sea:
Con los datos del ejemplo anterior:
r 2=0. 766
Por tanto se decir que el 77% de la variacin en calificaciones puede ser
explicada por la variacin en horas de estudio. r2 se encuentra en el
intervalo entre 0 y 1.
39
P.
Coeficiente de correlacin
Es un indicador de la fuerza de la relacin lineal entre dos variables Y y X
denominado el coeficiente de correlacin de Pearson.
r=0.875
Ejercicio: Los siguientes datos corresponden a la resistencia a la tensin de
un producto de papel relacionado a la cantidad de fibra en la pulpa. Se toman
10 muestras en una planta piloto y los datos obtenidos se muestran a
continuacin:
Y_Resistenci
a
160
171
175
182
184
181
188
193
195
200
X_%Fibra
10
15
15
20
20
20
25
25
28
30
40
41
P.
42
P.
43
P.
P.
44
P.
45
P.
46
47
P.
48
P.