Este documento describe la metodología de Seis Sigma, incluyendo las fases de definición, medición, análisis, mejora y control. Se enfoca en la fase de análisis, describiendo herramientas como el Análisis de Modo y Efecto de Falla y estudios de repetibilidad y reproducibilidad. Explica cómo realizar estos estudios para evaluar la consistencia de un sistema de medición y mejorar la definición de medidas cuando se identifican inconsistencias.
Este documento describe los conceptos y procesos clave del control de calidad en un laboratorio. Explica que un proceso es un conjunto de actividades relacionadas que transforman las entradas en resultados, y que considerar las actividades del laboratorio como procesos permite centrarse en áreas de resultados importantes. También describe los pasos para el control interno de la calidad, incluida la revisión de recursos, muestreo, evaluación y entrega de resultados a los clientes.
D1 establece el equipo para resolver el problema. El equipo debe incluir a personas conocedoras del proceso y producto, tener autoridad para tomar decisiones, y representar la perspectiva del cliente. Se designa un líder y un campeón del equipo. El enfoque de equipo incluye guias para participación efectiva en las reuniones.
Este documento presenta los resultados de un análisis de control estadístico de procesos realizado en una fábrica. Se construyeron gráficos de control X-bar y R para supervisar la longitud de bolsas plásticas y la concentración mínima de grasa en un producto. Los gráficos muestran que la longitud de bolsas presenta 4 puntos fuera de límite, indicando que el proceso no está bajo control estadístico. Sin embargo, el análisis de la concentración de grasa no mostró puntos
Este documento contiene varios ejercicios de control estadístico de calidad, incluyendo ejercicios de muestreo de aceptación y control estadístico de procesos. Los ejercicios de muestreo de aceptación cubren temas como planes de muestreo, probabilidades de aceptación, curvas de operación y calidad de salida media. Los ejercicios de control de procesos incluyen cálculos de índices de capacidad y límites de control.
El documento describe varias herramientas y métodos para el análisis de confiabilidad como el Análisis FMEA, gráficos de control, curva de bañera y curva de Weibull. Explica que la distribución de Weibull es ampliamente utilizada en ingeniería para modelar datos de fallas históricos debido a su versatilidad. Finalmente, concluye que el análisis de Weibull permite combinar estrategias de intervención con los riesgos a los que se enfrenta una organización.
Causas comunes, causas especiales de variación de las cartas de controlKaterine Bergengruen
Este documento explica la diferencia entre causas comunes y causas especiales de variación en procesos industriales. Las causas comunes son inherentes al sistema y producen variabilidad predecible, mientras que las causas especiales son eventos impredecibles que cambian el proceso. Las cartas de control ayudan a distinguir entre estas causas para determinar cuándo se debe actuar para eliminar causas especiales y mejorar el proceso, y cuándo no se debe reaccionar porque solo hay causas comunes presentes.
La empresa "manjares lady s.a." presenta un proyecto para sus socios donde describe su capacidad de producción de manjares para abastecer el mercado. Según estudios de mercado, existe una demanda de dulces de coco en la provincia de El Oro. La empresa busca ser líder en ventas y mantener el 50% del inventario para no desabastecer el mercado. Sus objetivos incluyen realizar ventas puerta a puerta, visitar universidades y aumentar las ventas mensuales en un 10%.
Disponibilidad, Confiablilidad, Mantenibilidad Y Capacidad, Parte IEduardo Rodriguez
Este documento describe los componentes de la ecuación de efectividad, que incluye disponibilidad, confiabilidad, mantenibilidad y capacidad. Explica que la ecuación mide cómo bien un sistema satisface las demandas del usuario final. Analiza cada componente y cómo se calculan utilizando datos simples de un sistema. Concluye que en muchos procesos industriales continuos, la confiabilidad suele ser el componente que más afecta negativamente el desempeño y donde se deben enfocar los esfuerzos de mejora.
Este documento describe los conceptos y procesos clave del control de calidad en un laboratorio. Explica que un proceso es un conjunto de actividades relacionadas que transforman las entradas en resultados, y que considerar las actividades del laboratorio como procesos permite centrarse en áreas de resultados importantes. También describe los pasos para el control interno de la calidad, incluida la revisión de recursos, muestreo, evaluación y entrega de resultados a los clientes.
D1 establece el equipo para resolver el problema. El equipo debe incluir a personas conocedoras del proceso y producto, tener autoridad para tomar decisiones, y representar la perspectiva del cliente. Se designa un líder y un campeón del equipo. El enfoque de equipo incluye guias para participación efectiva en las reuniones.
Este documento presenta los resultados de un análisis de control estadístico de procesos realizado en una fábrica. Se construyeron gráficos de control X-bar y R para supervisar la longitud de bolsas plásticas y la concentración mínima de grasa en un producto. Los gráficos muestran que la longitud de bolsas presenta 4 puntos fuera de límite, indicando que el proceso no está bajo control estadístico. Sin embargo, el análisis de la concentración de grasa no mostró puntos
Este documento contiene varios ejercicios de control estadístico de calidad, incluyendo ejercicios de muestreo de aceptación y control estadístico de procesos. Los ejercicios de muestreo de aceptación cubren temas como planes de muestreo, probabilidades de aceptación, curvas de operación y calidad de salida media. Los ejercicios de control de procesos incluyen cálculos de índices de capacidad y límites de control.
El documento describe varias herramientas y métodos para el análisis de confiabilidad como el Análisis FMEA, gráficos de control, curva de bañera y curva de Weibull. Explica que la distribución de Weibull es ampliamente utilizada en ingeniería para modelar datos de fallas históricos debido a su versatilidad. Finalmente, concluye que el análisis de Weibull permite combinar estrategias de intervención con los riesgos a los que se enfrenta una organización.
Causas comunes, causas especiales de variación de las cartas de controlKaterine Bergengruen
Este documento explica la diferencia entre causas comunes y causas especiales de variación en procesos industriales. Las causas comunes son inherentes al sistema y producen variabilidad predecible, mientras que las causas especiales son eventos impredecibles que cambian el proceso. Las cartas de control ayudan a distinguir entre estas causas para determinar cuándo se debe actuar para eliminar causas especiales y mejorar el proceso, y cuándo no se debe reaccionar porque solo hay causas comunes presentes.
La empresa "manjares lady s.a." presenta un proyecto para sus socios donde describe su capacidad de producción de manjares para abastecer el mercado. Según estudios de mercado, existe una demanda de dulces de coco en la provincia de El Oro. La empresa busca ser líder en ventas y mantener el 50% del inventario para no desabastecer el mercado. Sus objetivos incluyen realizar ventas puerta a puerta, visitar universidades y aumentar las ventas mensuales en un 10%.
Disponibilidad, Confiablilidad, Mantenibilidad Y Capacidad, Parte IEduardo Rodriguez
Este documento describe los componentes de la ecuación de efectividad, que incluye disponibilidad, confiabilidad, mantenibilidad y capacidad. Explica que la ecuación mide cómo bien un sistema satisface las demandas del usuario final. Analiza cada componente y cómo se calculan utilizando datos simples de un sistema. Concluye que en muchos procesos industriales continuos, la confiabilidad suele ser el componente que más afecta negativamente el desempeño y donde se deben enfocar los esfuerzos de mejora.
Este documento describe el muestreo para aceptación, el cual se utiliza para decidir si un lote de producción cumple con los requisitos de calidad acordados. Explica que el muestreo para aceptación involucra inspeccionar una muestra del lote y aceptar o rechazar el lote completo en base a los resultados. También define conceptos clave como planes de muestreo simples, dobles y múltiples, y discute las ventajas y desventajas del muestreo para aceptación en comparación con la inspección del 100% de las
1. Las cartas de control son herramientas gráficas que permiten analizar la variación en procesos mediante el monitoreo de datos recolectados en muestras. Se usan para identificar cambios especiales en el proceso y determinar si está bajo control estadístico. 2. Existen diferentes tipos de cartas de control como las cartas R y S, las cuales monitorean la media y variabilidad del proceso. 3. Las cartas de control se construyen recolectando datos en muestras, calculando estadísticas como promedios y desvi
El documento describe los conceptos básicos y métodos de muestreo de aceptación. Explica que el muestreo de aceptación evalúa una porción de un lote para decidir si aceptar o rechazar el lote completo, lo que reduce costos en comparación con inspeccionar todo el lote. También describe los riesgos del muestreo y cómo construir una curva característica de operación para cuantificar estos riesgos y evaluar un plan de muestreo.
El documento presenta información sobre diagramas de dispersión, que se utilizan para estudiar la variación de un proceso y determinar sus causas. Incluye definiciones, ejemplos y gráficos que muestran la relación entre diferentes variables mediante puntos de datos y límites de control. Los ejemplos analizan factores como calidad, defectos, indisponibilidad y supervivencia para identificar correlaciones.
Presentacion acerca de el Analisis de Sistemas de Medicion (por sus siglas en ingles MSA) usado en la industria.
Presentacion realizada en octubre del año 2008 para la materia de "requerimientos de la industria automotriz" en el Instituto Tecnologico de Saltillo
Este documento describe los conceptos y métodos de muestreo para aceptación de lotes. Explica que los lotes deben ser homogéneos y lo suficientemente grandes, y que el muestreo es útil cuando la inspección del 100% es muy costosa. Describe diferentes tipos de planes de muestreo como el muestreo simple, doble y múltiple, y cómo se usa la norma MIL-STD-105 para determinar el tamaño de muestra en inspecciones de atributos.
Este documento presenta información sobre inspección mediante muestreo para aceptación. Explica que el muestreo de aceptación se utiliza para decidir si aceptar o rechazar lotes basados en si cumplen o no con las especificaciones, y define conceptos clave como unidades de producto, lotes, defectos, defectuosos, niveles de calidad aceptables y planes de muestreo por atributos y variables. También describe ventajas e inconvenientes del muestreo de aceptación y diferentes niveles de inspección.
El documento habla sobre el concepto de muestreo de aceptación para control de calidad. Explica que el muestreo de aceptación se usa para decidir si aceptar o rechazar un lote según sus especificaciones de calidad inspeccionando solo una muestra, en lugar de inspeccionar todo el lote. También describe los tipos de planes de muestreo (simple, doble, múltiple, secuencial), ventajas y desventajas del muestreo de aceptación, y cómo aplicar planes de muestreo por atributos y variables.
Este documento presenta la Norma Venezolana COVENIN 3133-1:2001 sobre procedimientos de muestreo para inspección por atributos. Describe esquemas de muestreo indexados por el nivel de calidad de aceptación para inspeccionar lotes de manera individual. Incluye definiciones clave, referencias normativas y detalles sobre los cambios realizados en esta edición respecto a versiones anteriores.
Las cartas de control son herramientas estadísticas que permiten analizar la variación en procesos. Muestran la diferencia entre causas comunes y especiales de variación, enfocando la atención en estas últimas para tomar acciones de mejora. Existen cartas de control por variables, para características cuantificables, y por atributos, para características cualitativas. El documento explica los pasos para construir una carta de control X-R por variables, incluyendo el cálculo de límites de control, y provee un ejemplo numéric
1) El documento discute las causas comunes y especiales de variación en procesos de producción y cómo afectan el comportamiento de los gráficos de control.
2) Explica que las causas comunes permanecen en el proceso mientras que las causas especiales son transitorias y requieren acción correctiva.
3) También presenta ejemplos de causas comunes y especiales que podrían causar defectos en latas durante un proceso de producción.
Los autores analizaron los valores de rendimiento medidos entre 2007-2012 en 6 equipos de rayos X en un hospital. Observan que el rendimiento se mantuvo estable en la mayoría de los equipos, pero uno mostró una gran pérdida de rendimiento a pesar de una carga de trabajo similar. Concluyen que variaciones en el rendimiento no siempre indican desgaste del equipo y pueden deberse a errores en la medición.
El documento trata sobre diferentes temas relacionados con planes de muestreo para inspección y aceptación de lotes, incluyendo índices de calidad, curvas de operación, límites de calidad promedio de salida, comparación entre planes ANSI-ASQC Z1.4-2008 y C=0, y métodos de aceptación por muestreo. Explica conceptos como riesgo en muestreo, construcción e interpretación de curvas características de operación, y ventajas y desventajas del muestreo de aceptación.
Este documento presenta 11 ejercicios sobre control estadístico de procesos. Los ejercicios incluyen datos de muestras tomadas de diferentes procesos productivos y piden elaborar gráficos de control, analizar si los procesos están bajo control, calcular capacidades y tomar decisiones para mejorar los procesos.
Este documento describe el concepto de Límite de Calidad Aceptable (AQL) y la tabla AQL. La tabla AQL establece el número máximo de defectos permitidos en una muestra de productos inspeccionados según su tamaño. Los defectos se clasifican en menores, mayores y críticos. El tamaño de la muestra inspeccionada y el número máximo de defectos permitidos determinan si un lote es aceptado o rechazado.
Einstein dijo que solo conocía dos cosas infinitas: el universo infinito y la infinita estupidez del hombre. Para desarrollar un programa de mejora de calidad, se necesita un sistema de medición confiable que mida la repetibilidad, reproducibilidad, exactitud y estabilidad. Un estudio determinó que la medición en una empresa era aceptable, con una variación total del 34.1% atribuible principalmente a diferencias entre partes.
El documento presenta una introducción al Módulo II de un curso de Seis Sigma para Black Belts. Explica las fases de Definición, Medición, Análisis, Mejora y Control de proyectos Seis Sigma. Se detalla la fase de Análisis, incluyendo estudios de repetibilidad y reproducibilidad, análisis de modo y efecto de falla, y herramientas para identificar causas raíz.
If 120606-estudio satisfacción usuarios mesa funcional 2 semestre-v3Johana201225
Este estudio buscó medir la satisfacción de los usuarios de las oficinas de registro a nivel nacional con el servicio de la Mesa de Ayuda Integrada. Se aplicaron encuestas telefónicas a 240 usuarios usando una metodología cuantitativa. Se calculó un Índice de Satisfacción para cada proceso y atributo evaluado, así como su impacto en la satisfacción general. Esto permitió identificar áreas de oportunidad y priorizar acciones de mejora.
Este documento propone la medición de indicadores de calidad de producto y proceso para el área de aseguramiento de calidad (QA). Define conceptos clave como calidad de producto, proceso y en uso, y sugiere indicadores como incidentes funcionales, usabilidad, fiabilidad y mantenibilidad para medir la calidad del producto, y cumplimiento de plazos e índice de atención para medir la calidad del proceso. Además, propone calcular cada indicador periódicamente y generar gráficos de tendencia para monitore
Este documento presenta un modelo de evaluación de productos de software. El modelo propone medir factores clave como calidad, costos y plazos para determinar el nivel de calidad de los productos y mejorar el proceso de desarrollo. El modelo usará métricas como pruebas realizadas, satisfacción del cliente e incidencias encontradas. El objetivo es comparar el producto real con el ideal esperado y mejorar continuamente.
Este documento trata sobre la medición de calidad en el desarrollo de software. Explica conceptos como medida, medición, métrica, error y defecto. Luego describe métricas relacionadas con el tamaño del software y su calidad. Finalmente, analiza la integración de métricas en el proceso de desarrollo de software y cómo estas permiten mejorar la calidad.
Este documento describe el muestreo para aceptación, el cual se utiliza para decidir si un lote de producción cumple con los requisitos de calidad acordados. Explica que el muestreo para aceptación involucra inspeccionar una muestra del lote y aceptar o rechazar el lote completo en base a los resultados. También define conceptos clave como planes de muestreo simples, dobles y múltiples, y discute las ventajas y desventajas del muestreo para aceptación en comparación con la inspección del 100% de las
1. Las cartas de control son herramientas gráficas que permiten analizar la variación en procesos mediante el monitoreo de datos recolectados en muestras. Se usan para identificar cambios especiales en el proceso y determinar si está bajo control estadístico. 2. Existen diferentes tipos de cartas de control como las cartas R y S, las cuales monitorean la media y variabilidad del proceso. 3. Las cartas de control se construyen recolectando datos en muestras, calculando estadísticas como promedios y desvi
El documento describe los conceptos básicos y métodos de muestreo de aceptación. Explica que el muestreo de aceptación evalúa una porción de un lote para decidir si aceptar o rechazar el lote completo, lo que reduce costos en comparación con inspeccionar todo el lote. También describe los riesgos del muestreo y cómo construir una curva característica de operación para cuantificar estos riesgos y evaluar un plan de muestreo.
El documento presenta información sobre diagramas de dispersión, que se utilizan para estudiar la variación de un proceso y determinar sus causas. Incluye definiciones, ejemplos y gráficos que muestran la relación entre diferentes variables mediante puntos de datos y límites de control. Los ejemplos analizan factores como calidad, defectos, indisponibilidad y supervivencia para identificar correlaciones.
Presentacion acerca de el Analisis de Sistemas de Medicion (por sus siglas en ingles MSA) usado en la industria.
Presentacion realizada en octubre del año 2008 para la materia de "requerimientos de la industria automotriz" en el Instituto Tecnologico de Saltillo
Este documento describe los conceptos y métodos de muestreo para aceptación de lotes. Explica que los lotes deben ser homogéneos y lo suficientemente grandes, y que el muestreo es útil cuando la inspección del 100% es muy costosa. Describe diferentes tipos de planes de muestreo como el muestreo simple, doble y múltiple, y cómo se usa la norma MIL-STD-105 para determinar el tamaño de muestra en inspecciones de atributos.
Este documento presenta información sobre inspección mediante muestreo para aceptación. Explica que el muestreo de aceptación se utiliza para decidir si aceptar o rechazar lotes basados en si cumplen o no con las especificaciones, y define conceptos clave como unidades de producto, lotes, defectos, defectuosos, niveles de calidad aceptables y planes de muestreo por atributos y variables. También describe ventajas e inconvenientes del muestreo de aceptación y diferentes niveles de inspección.
El documento habla sobre el concepto de muestreo de aceptación para control de calidad. Explica que el muestreo de aceptación se usa para decidir si aceptar o rechazar un lote según sus especificaciones de calidad inspeccionando solo una muestra, en lugar de inspeccionar todo el lote. También describe los tipos de planes de muestreo (simple, doble, múltiple, secuencial), ventajas y desventajas del muestreo de aceptación, y cómo aplicar planes de muestreo por atributos y variables.
Este documento presenta la Norma Venezolana COVENIN 3133-1:2001 sobre procedimientos de muestreo para inspección por atributos. Describe esquemas de muestreo indexados por el nivel de calidad de aceptación para inspeccionar lotes de manera individual. Incluye definiciones clave, referencias normativas y detalles sobre los cambios realizados en esta edición respecto a versiones anteriores.
Las cartas de control son herramientas estadísticas que permiten analizar la variación en procesos. Muestran la diferencia entre causas comunes y especiales de variación, enfocando la atención en estas últimas para tomar acciones de mejora. Existen cartas de control por variables, para características cuantificables, y por atributos, para características cualitativas. El documento explica los pasos para construir una carta de control X-R por variables, incluyendo el cálculo de límites de control, y provee un ejemplo numéric
1) El documento discute las causas comunes y especiales de variación en procesos de producción y cómo afectan el comportamiento de los gráficos de control.
2) Explica que las causas comunes permanecen en el proceso mientras que las causas especiales son transitorias y requieren acción correctiva.
3) También presenta ejemplos de causas comunes y especiales que podrían causar defectos en latas durante un proceso de producción.
Los autores analizaron los valores de rendimiento medidos entre 2007-2012 en 6 equipos de rayos X en un hospital. Observan que el rendimiento se mantuvo estable en la mayoría de los equipos, pero uno mostró una gran pérdida de rendimiento a pesar de una carga de trabajo similar. Concluyen que variaciones en el rendimiento no siempre indican desgaste del equipo y pueden deberse a errores en la medición.
El documento trata sobre diferentes temas relacionados con planes de muestreo para inspección y aceptación de lotes, incluyendo índices de calidad, curvas de operación, límites de calidad promedio de salida, comparación entre planes ANSI-ASQC Z1.4-2008 y C=0, y métodos de aceptación por muestreo. Explica conceptos como riesgo en muestreo, construcción e interpretación de curvas características de operación, y ventajas y desventajas del muestreo de aceptación.
Este documento presenta 11 ejercicios sobre control estadístico de procesos. Los ejercicios incluyen datos de muestras tomadas de diferentes procesos productivos y piden elaborar gráficos de control, analizar si los procesos están bajo control, calcular capacidades y tomar decisiones para mejorar los procesos.
Este documento describe el concepto de Límite de Calidad Aceptable (AQL) y la tabla AQL. La tabla AQL establece el número máximo de defectos permitidos en una muestra de productos inspeccionados según su tamaño. Los defectos se clasifican en menores, mayores y críticos. El tamaño de la muestra inspeccionada y el número máximo de defectos permitidos determinan si un lote es aceptado o rechazado.
Einstein dijo que solo conocía dos cosas infinitas: el universo infinito y la infinita estupidez del hombre. Para desarrollar un programa de mejora de calidad, se necesita un sistema de medición confiable que mida la repetibilidad, reproducibilidad, exactitud y estabilidad. Un estudio determinó que la medición en una empresa era aceptable, con una variación total del 34.1% atribuible principalmente a diferencias entre partes.
El documento presenta una introducción al Módulo II de un curso de Seis Sigma para Black Belts. Explica las fases de Definición, Medición, Análisis, Mejora y Control de proyectos Seis Sigma. Se detalla la fase de Análisis, incluyendo estudios de repetibilidad y reproducibilidad, análisis de modo y efecto de falla, y herramientas para identificar causas raíz.
If 120606-estudio satisfacción usuarios mesa funcional 2 semestre-v3Johana201225
Este estudio buscó medir la satisfacción de los usuarios de las oficinas de registro a nivel nacional con el servicio de la Mesa de Ayuda Integrada. Se aplicaron encuestas telefónicas a 240 usuarios usando una metodología cuantitativa. Se calculó un Índice de Satisfacción para cada proceso y atributo evaluado, así como su impacto en la satisfacción general. Esto permitió identificar áreas de oportunidad y priorizar acciones de mejora.
Este documento propone la medición de indicadores de calidad de producto y proceso para el área de aseguramiento de calidad (QA). Define conceptos clave como calidad de producto, proceso y en uso, y sugiere indicadores como incidentes funcionales, usabilidad, fiabilidad y mantenibilidad para medir la calidad del producto, y cumplimiento de plazos e índice de atención para medir la calidad del proceso. Además, propone calcular cada indicador periódicamente y generar gráficos de tendencia para monitore
Este documento presenta un modelo de evaluación de productos de software. El modelo propone medir factores clave como calidad, costos y plazos para determinar el nivel de calidad de los productos y mejorar el proceso de desarrollo. El modelo usará métricas como pruebas realizadas, satisfacción del cliente e incidencias encontradas. El objetivo es comparar el producto real con el ideal esperado y mejorar continuamente.
Este documento trata sobre la medición de calidad en el desarrollo de software. Explica conceptos como medida, medición, métrica, error y defecto. Luego describe métricas relacionadas con el tamaño del software y su calidad. Finalmente, analiza la integración de métricas en el proceso de desarrollo de software y cómo estas permiten mejorar la calidad.
Este documento presenta instrucciones para el almacenamiento y manejo de productos terminados en la empresa Plasko S.A. de C.V., incluyendo responsabilidades del personal, procedimientos para la recepción de transferencias, devoluciones de producto, control de inventario y preservación de productos.
Este documento presenta los resultados de un estudio R&R (repetibilidad y reproducibilidad) realizado para evaluar la variación de un sistema de medición. El estudio encontró que el 77.89% de la variación total en los datos se debe al sistema de medición, mientras que sólo un 22.11% se debe a las diferencias entre las piezas medidas. Adicionalmente, el sistema de medición sólo puede distinguir una categoría distintiva, lo que significa que no es útil para tomar decisiones de control de procesos.
Este documento presenta una introducción al uso de OKRs (Objectives and Key Results), un método de gestión que ayuda a las empresas a implementar su estrategia mediante el establecimiento de objetivos claros y resultados clave medibles. Explica los elementos básicos de un OKR, incluido el objetivo principal, los resultados clave, las iniciativas y la definición de indicadores. Además, muestra un ejemplo práctico de cómo formular un OKR y visualizar su evolución a lo largo del tiempo.
El documento describe un estudio de repetibilidad y reproducibilidad (R&R) para evaluar un sistema de medición del tamaño de partícula en una planta de PVC. El estudio encontró que la variación del sistema de medición era mayor que el 30% de la variación total del proceso, lo que indica que el sistema no es confiable para fines de control de procesos. Se recomienda mejorar el proceso de medición, enfocándose primero en mejorar la repetibilidad.
Este documento presenta un plan de pruebas para el sistema de ventas y facturación de MEGAMAXI S.A. con el objetivo de verificar la funcionalidad de los módulos de clientes, inventario, facturación y reportes. Describe las técnicas y tipos de pruebas a realizar, incluyendo pruebas de integridad de datos, funcionalidad, interfaz de usuario, seguridad y recuperación. El plan detalla los criterios de entrada y salida, producibles, ambientes de prueba, roles, riesgos y procesos de gest
Este documento presenta un estudio de capacidad de medición (R&R) realizado para evaluar la precisión de un sistema de medición. El estudio involucró a dos operadores que midieron siete componentes dos veces cada uno. Los resultados mostraron que la variación del instrumento era mayor que la variación entre operadores, indicando que el instrumento necesita calibración. El índice de precisión/tolerancia calculado fue mayor que el límite aceptable, lo que significa que el sistema de medición no es suficientemente preciso.
Six Sigma: Reducción de desperdicio de bolsas de polietileno en el proceso de...Eric Sonny García Angeles
1) Six Sigma es un método estadístico para mejorar procesos que busca reducir defectos a solo 3.4 por millón de oportunidades. Se compone de 5 fases (DMAIC) para definir, medir, analizar, mejorar y controlar procesos.
2) El documento analiza el proceso de fabricación de bolsas plásticas en una empresa. Se identificaron los principales defectos y mediante análisis estadístico se midió un nivel inicial de calidad de 4.2 sigma.
3) Usando las herramient
El documento describe varias herramientas y métodos para la resolución de problemas y mejora continua de procesos, incluyendo las Ocho Disciplinas para la Resolución de Problemas, Siete Herramientas Básicas como Diagramas de Causa-Efecto y de Pareto, Kaizen, poka-yoke, SMED, Mantenimiento Productivo Total, kanban y Six Sigma.
El documento analiza la situación actual del desarrollo de software en la factoría y propone la implementación de un servicio de factoría de pruebas. Actualmente, los proyectos son muy cortos y atomizados, lo que lleva a una baja calidad. Se propone un enfoque basado en entregas parciales con certificación iterativa para mejorar la calidad y reducir los plazos de entrega. El servicio de factoría de pruebas separaría las tareas de especificación y ejecución de pruebas para mejorar la eficiencia.
Sesión formativa online: Pruebas sustantivas mediante el muestreo de la unida...Audinfor
www.forsampling.com
El muestreo de la unidad monetaria, o también denominado MUM, es una de las metodologías más utilizadas por los auditores a la hora de llevar a cabo pruebas sustantivas mediante la utilización de técnicas de muestreo estadístico aplicado a la auditoría.
Con la aplicación ForSampling podemos llevar a cabo estas pruebas con mucha facilidad, dejando en todo momento evidencia del cálculo del riesgo y del error tolerable, tal y como requiere la NIA 530. Sin embargo, dado lo ‘arcano’ de varios conceptos y lo lejano que puede quedar la asignatura de estadística para muchos de nosotros, hemos organizado una sesión de formación online con los siguientes contenidos:
¿Cuando es útil el uso de muestreo?
Importación de la población
Determinar la confianza y riesgo
Optimización de la Importancia Relativa y el ET
Estratificación de la población
Tamaño de muestra Vs elementos seleccionados
Análisis resultados
Elaboración del papel de trabajo
Más información y video de la sesión en http://blog.gesia.es/sesion-formativa-online-pruebas-sustantivas-mum/
Los planes de muestreo son una aplicación importante de la estadística en el control de calidad, utilizados para monitorear la calidad de materiales, partes y productos terminados. Los planes de muestreo ayudan a formar un juicio económico sobre la calidad mediante la inspección sistemática de muestras representativas, con el riesgo de rechazar productos buenos o aceptar productos defectuosos. Los gráficos de control constituyen una herramienta útil para detectar cambios en los procesos y evitar errores
El documento describe varias técnicas avanzadas para la gestión de la calidad, incluyendo el Despliegue de la Función de Calidad (QFD), el Análisis Modal de Fallos y Efectos (AMFE), y los sistemas a prueba de errores (Poka-Yoke). El QFD ayuda a planificar el diseño de productos para satisfacer las necesidades de los clientes. El AMFE identifica posibles fallos, sus causas y efectos, y acciones para prevenirlos. Poka-Yoke busca hacer imposible que se cometan erro
El documento describe el proceso de evaluación y selección de un sistema ERP (Enterprise Resource Planning), incluyendo la realización de cuatro evaluaciones clave: funcional, técnica, del proveedor/implementador y económica. Se explica cómo crear matrices de importancia relativa para cada evaluación y profundizar el análisis funcional a través de matrices de tres niveles que especifican requisitos. El proveedor debe completar estas matrices indicando el grado de cobertura de cada requisito para facilitar la comparación de propuestas.
Estudio R y R que significa reproducibilidad y repetibilidad, en este documento conoceremos como influye esto en metrología, los estudios r y r son de grana ayuda para saber que tan preciso es nuestro instrumento de medición y si es aceptable o no, para ello encontraremos fórmulas que nos ayudarán para poder saber que si esto funciona o realmente no.
La estructura organizativa del trabajo que tenga una empresa influye directamente en la percepción que pueda tener un trabajador de sus condiciones laborales y en su rendimiento profesional.
MENTORÍA ENTRENANDO AL ENTRENADOR Oxford Group FULL.pdfOxford Group
La mentoría "Entrenando al Entrenador" se enfoca en desarrollar habilidades esenciales en los facilitadores internos para que puedan capacitar a otros miembros de la organización, impulsando el crecimiento y el éxito en el trabajo y en la vida. Esta mentoría se ofrece en dos modalidades: híbrida, presencial y en línea, para adaptarse a las necesidades y preferencias de los participantes. La evaluación es un proceso continuo y integral, con retroalimentación inmediata y continua para asegurar que los participantes estén en el camino correcto.
La mentoría se organiza en varias fases, cada una con objetivos específicos. La Fase 1 se centra en la presentación y demostración práctica de los conceptos clave, con retroalimentación inmediata y acceso a recursos adicionales. La Fase 2 se enfoca en la aplicación de técnicas aprendidas en situaciones reales, con oportunidades para que los participantes puedan aplicar las habilidades en su trabajo diario. La Fase 3 se centra en la autoevaluación y planificación, ayudando a los participantes a establecer objetivos y metas claras para su desarrollo personal.
La mentoría "Entrenando al Entrenador" busca certificar a los facilitadores internos para que puedan enseñar y apoyar el trabajo y el desarrollo continuo de habilidades de los demás. Al capacitar a estos facilitadores, se busca reducir costos y mejorar la eficiencia, incrementar la adopción de nuevas habilidades y comportamientos en la organización y desarrollar habilidades energéticas esenciales. La mentoría se basa en una metodología que combina presentaciones audiovisuales, demostraciones prácticas, retroalimentación inmediata y acceso a recursos adicionales para asegurar que los participantes puedan aprender y aplicar los conceptos aprendidos de manera efectiva.
Practica individual-Semana.Curso Liderazgo y comportamiento organizacionalJanethLozanoLozano
Práctica con evaluación entre pares sobre una situación en la que se aplicar lo aprendido acerca de la personalidad, los valores y el estilo de liderazgo en una organización.
Think-E Estafa -En un mundo donde la educación en línea crece rápidamente, es natural que surjan preguntas sobre la confiabilidad de ciertas plataformas y sistemas.
Think-E Opiniones México ha sido objeto de rumores que insinúan que podría ser una estafa. Sin embargo, es importante separar la verdad de la ficción.
Think-E México no es una estafa. Es un sistema educativo comprometida con el desarrollo del inglés mediante cursos diseñados por expertos en el idioma.
Mi Carnaval, sistema utilizará algoritmos de ML para optimizar la distribució...micarnavaltupatrimon
El sistema utilizará algoritmos de ML para optimizar la distribución de recursos, como el transporte, el alojamiento y la seguridad, en función de la afluencia prevista de turistas. La plataforma ofrecerá una amplia oferta de productos, servicios, tiquetería e información relevante para incentivar el uso de está y generarle valor al usuario, además, realiza un levantamiento de datos de los espectadores que se registran y genera la estadística demográfica, ayudando a reducir la congestión, las largas filas y otros problemas, así como a identificar áreas de alto riesgo de delincuencia y otros problemas de seguridad.
Mi Carnaval, sistema utilizará algoritmos de ML para optimizar la distribució...
Bb seis sigmatransmodulo22
1. UIA
Curso de Seis Sigma
Transaccional para Black Belts
Módulo II
Primitivo Reyes Aguilar / Noviembre 2004
1
2. Contenido - Módulo II
1. Introducción
2. Despliegue de Seis Sigma en la empresa
3. Gestión de procesos en la empresa
4. Gestión de proyectos y liderazgo
5. Fase de Definición
6. Fase de Medición
7. Fase de Análisis
8. Fase de Mejora
9. Fase de Control
10. Empresa Lean
2
3. 7. Metodología Seis Sigma
Fase de análisis
Primitivo Reyes A. / Noviembre 2004
3
4. 7. Fase de Análisis
Propósitos y salidas
Estudios de R&R por atributos
Análisis del Modo y Efecto de Falla (AMEF)
Herramientas para la fase de análisis
Verificación de causas raíz
4
5. Fase de Análisis
Propósitos:
Establecer hipótesis sobre las 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
7. Aplicación Transaccional de
Repetibilidad y Reproducibilidad
Ejemplo de Administración de Programa:
A lo largo de la duración de un Programa…
Se proyecta el tiempo necesario para alcanzar una
meta en particular.
Se registra el tiempo que tomó en realidad alcanzar la
meta.
Se calcula la diferencia entre el tiempo proyectado y el
real. Los datos a usar son “número de semanas de
atraso”.
7
8. Datos de GR&R
(Número de Semanas de Atraso)
Programas Gerente de Comprador
Los datos son “número
Programa de semanas de atraso”
1 0 -37 para la selección de
2 1 91 proveedores.
3 6 124
4 0 68 Observe cuan diferente
5 0 -24 miden el mismo evento
6 23 45 el Comprador y el
7 23 19 Gerente de Programa.
8 0 66
9 69 86
10 14 86
8
9. Resultado de Minitab®
GR&R (ANOVA) para las Semanas de Atraso
Componenentes de Variación
100 %Contribución
Porcentaje
%Var. Estudio
50
Interacción de Programas de Operadores
Operadores
0 1
100
GR&R Repetib Reprod Parte a Parte 2
Promedio
50
Gráfica de barras X por Operadores
150 0
1 2
Sample Mean
100
Programas 1 2 3 4 5 6 7 8 9 10
50
0
-50
0
9
10. Resultados de GR&R
Gage R&R
Source Variance %Contribution
Total Gage R&R 1948.0 88.52
Repeatability 0.0 0.00
Reproducibility 1947.9 88.52
Part-To-Part 252.7 11.48
Total Variation 2200.6 100.00
El 88.52% de la variación observada se debe a la diferencia de
la medición del mismo evento entre el Comprador y el Gerente
de Programa.
El 11.48% de la variación observada se debe a la diferencia
entre los programas.
¿Es adecuado el sistema actual de medición?
10
11. ¿Por Qué la Inconsistencia en la Medición?
Para poder mejorar el sistema de medición, primero
debemos comprender las causas de la inconsistencia, en
este caso.
• Cuando se les preguntó, “¿En que fecha se seleccionaron los
proveedores finales?”, el Gerente del Programa y el Comprador
percibieron la pregunta de manera distinta.
• El Gerente del Programa pensó que la pregunta se refería a,
¿Cuándo empezamos a trabajar con el proveedor?
• El Comprador creyó que quería decir, ¿Cuándo se emitió la Orden
de Compra?
• Además, hubo confusión en el significado real de “proveedores
finales”. ¿Se refiere a 100% de los proveedores? ¿90%? ¿Sólo son
proveedores de componentes principales?
11
12. Mejora del Sistema de Medición
Para evitar ambigüedades, el equipo desarrolló la
siguiente definición operacional para la “ Fecha
cuando se seleccionaron los proveedores finales”:
La fecha en que se envió la notificacion escrita de la
selección de proveedores por parte del Departamento de
Compras al último proveedor seleccionado para
suministrar los siguientes componentes:
Estructuras, Mecanismos, Partes, Plásticas
Uretano, Telas
12
13. Estudio de Repetibilidad y
Reproducibilidad de Atributos
También es muy importante tener adecuada repetibilidad
y reproducibilidad al obtener datos de atributos.
Si un ejecutivo, decide que una unidad tiene un defecto o
error y otro concluye que la misma unidad no tiene
defectos, entonces hay problema con el sistema de
medición.
Igualmente, el sistema de medición es inadecuado
cuando la misma persona llega a diferentes conclusiones
al repetir las evaluaciones en la misma unidad o
producto.
13
14. Sistema de Medición de Atributos
Un sistema de medición de atributos compara
cada parte con un estándar y acepta la parte si
el estándar se cumple.
La efectividad de la discriminación es la habilidad
del sistema de medición de atributos para
discriminar a los buenos de los malos.
14
15. Estudio de Repetibilidad y
Reproducibilidad de Atributos
1. Selecciona un mínimo de 30 unidades del proceso. Estas
unidades deben representar el espectro completo de la
variación del proceso (buenas, erroneas y en límites).
2. Un inspector “experto” realiza una evaluación de cada
parte, clasificándola como “Buena” o “No Buena”.
3. Cada persona evaluará las unidades, independientemente
y en orden aleatorio, y las definirá como “Buenas” o “No
Buenas”.
4. Ingresa los datos en el archivo Attribute Gage R&R.xls
para cuantificar la efectividad del sistema de medición.
15
16. GR&R de Atributos - Ejemplo
Legenda de Atributos REPORTE
G = Bueno FECHA:
1 NOMBRE:
2
NG = No Bueno PRODUCTO:
SBU:
Esta es la
COND. DE PRUEBA: medida
Población Conocida Persona #1 Persona #2 Acuerdo Acuerdo
Muestra # Atributo #1 #2
general de
#1 #2 Y=Sí N=No Y=Sí N=No
1 G G G G G Y Y consistencia
2 G G G G G Y Y
3 G G G G G Y Y entre los
4
5
G
G
G
G
G
G
G
G
G
G
Y
Y
Y
Y
operadores
6 G NG G G G N N y el “experto”.
7 G G G G G Y Y
8 G G G G G Y Y ¡90% es lo
9 NG G G NG NG N N
10 NG NG NG G G N N mínimo!
11 G G G G G Y Y
12 G G G G G Y Y
13 NG NG NG NG NG Y Y
14 G G G G G Y Y
15 G G G G G Y Y
16 G G G G G Y Y
17 NG NG NG NG NG Y Y
18 G G G G G Y Y
19 G G G G G Y Y
20 G G G G G Y Y
(1)
% DEL EVALUADOR -> 95.00% 100.00%
(2)
% VS. EL ATRIBUTO -> 90.00% 95.00%
(3)
% DE EFECTIVIDAD DE DISCRIMINACION -> 85.00%
(4)
% DE EFECTIVIDAD DE DISCRIMINACION VS. EL ATRIBUTO -> 85.00%
16
17. Interpretación de Resultados
1. % del Evaluador es la consistencia de una persona.
2. % Evaluador vs Atributo es la medida de el acuerdo
que hay entre la evaluación del operador y la del
“experto”.
3. % de Efectividad de Selección es la medida de el
acuerdo que existe entre los operadores.
4. % de Efectividad de Selección vs. el Atributo es una
medida general de la consistencia entre los
operadores y el acuerdo con el “experto”.
17
18. Estudio de Repetibilidad y
Reproducibilidad de Atributos -
Guías de Aceptabilidad
Aunque el 100% es el resultado que deseamos
obtener, en un estudio de repetibilidad y
reproducibilidad de atributos, la siguiente guía se usa
frecuentemente:
Porcentaje Guía
De 90% a 100% Aceptable
De 80% a 90% Marginal
Menos de 80% Inaceptable
18
19. QFD
FASE DE ANÁLISIS
Diagrama de
relaciones
Diagrama
Causa Efecto Diagrama de
Ishikawa
Diagrama
de Árbol
Definición
Y=X1 + X2+. .Xn
CTQs = Ys Medición Y,
Operatividad X1, X2, Xn
X's
Causas
Análisis del Modo y Efecto de potenciales
Falla (AMEF)
Pruebas
de
hipótesis
Diagrama
de Flujo
del X's vitales
proceso No ¿Causa Si Causas raíz
Raíz? validadas
19
20. Pruebas de Hipótesis
Variables Atributos
No Normal Tablas de
Contingencia Chi Cuad.
Varianza Medianas
Correlación
Correlación
Homogeneidad Prueba de signos
de Varianzas
Wilcoxon
Normal Proporciones - Z
de Levene
Mann-
Whitney Variancia Medias
Kurskal-
Wallis 1- Población - Chi Pruebas Z, t
2- Pob. F 1- Población
Residuos
Prueba de Mood 2- Poblaciones
Homogeneidad distribuidos
Friedman de Varianzas ANOVA
de Bartlett Una vía normalmente
Dos vías
Correlación
Regresión 20
22. ¿ 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.
Existe el estándar MIL-STD-1629, Procedure for Performing a Failure
Mode, Effects and Criticality Analysis
22
23. Tipos de AMEFs
FMEA de Diseño (AMEFD), su propósito es analizar
como afectan al sistema los modos de falla y
minimizar los efectos de falla en el sistema. Se usan
antes de la liberación de productos o servicios, para
corregir las deficiencias de diseño.
FMEA de Proceso (AMEFP), su propósito es analizar
como afectan al proceso los modos de falla y
minimizar los efectos de falla en el proceso. Se usan
durante la planeación de calidad y como apoyo
durante la producción o prestación del servicio.
23
24. AMEFP o AMEF de Proceso
Fecha límite:
Concepto Prototipo Pre-producción /Producción
FMEAD
FMEAP
FMEAD FMEAP
Característica de Diseño Paso de Proceso
Falla Forma en que el Forma en que el proceso falla
producto o servicio falla al producir el requerimiento
que se pretende
Controles Técnicas de Diseño de Controles de Proceso
Verificación/Validación
24
25. Modos de fallas vs
Mecanismos de falla
El modo de falla es el síntoma real de la falla (altos
costos del servicio; tiempo de entrega excedido).
Mecanismos de falla son las razones simples o
diversas que causas el modo de falla (métodos no
claros; cansancio; formatos ilegibles) o cualquier otra
razón que cause el modo de falla
25
26. Definiciones
Modo de Falla
- La forma en que un producto o proceso puede fallar para cumplir
con las especificaciones o requerimientos.
- Normalmente se asocia con un Defecto, falla o error.
Diseño Proceso
Alcance insuficiente Omisiones
Recursos inadecuados Monto equivocado
Servicio no adecuado Tiempo de respuesta excesivo
26
27. Definiciones
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
Serv. incompleto Servicio deficiente
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 servicio
Demasiado esfuerzo No cumple requerimientos
27
28. Preparación del AMEF
Se recomienda que sea un equipo
multidisciplinario
El responsable del sistema, producto o proceso
dirige el equipo, así como representantes de las
áreas involucradas y otros expertos en la materia
que sea conveniente.
28
29. ¿Cuando iniciar un FMEA?
Al diseñar los sistemas, productos y procesos nuevos.
Al cambiar los diseños o procesos existentes o que serán
usados en aplicaciones o ambientes nuevos.
Después de completar la Solución de Problemas (con el fin de
evitar la incidencia del problema).
El AMEF de diseño, después de definir las funciones del
producto, antes de que el diseño sea aprobado y entregado
para su manufactura o servicio.
El AMEF de proceso, cuando los documentos preliminares del
producto y sus especificaciones están disponibles.
29
30. ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño / Proceso
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de FMEA ______(rev.) ______
Resultados de Acción
O Controles de D
Función S Causa(s)
Efecto (s) c Diseño o e R Responsable S O D R
del Producto/ Modos de Falla e Potencial(es) Acción Acción
Potencial (es) c Proceso t P y fecha límite e c e P
Paso del Potenciales v o Mecanismos Sugerida Adoptada
de falla u Actuales e N de Terminación v c t N
proceso . de falla
r c
30
31. ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño / Proceso
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Resultados de Acción
O D
Función S Causa(s) Controles del
Efecto (s) c e R Responsable S O D R
de Modos de Falla e Potencial(es) Diseño / Acción Acción
Potencial (es) c t P y fecha límite e c e P
Componente/Paso Potenciales v de los Mecanismos Proceso Sugerida Adoptada
de falla u e N de Terminación v c t N
de proceso . de falla Actual
r c
Factura correcta
Relacione las
funciones del
diseño del
componente
Pasos del proceso
Del diagrama de flujo
31
32. ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño / Proceso
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Resultados de Acción
Función O D
Causa(s) Controles de
del Efecto (s) D c e R Responsable S O D R
Modos de Falla Potencial(es) Diseño / Acción Acción
componente/ Potencial (es) i c t P y fecha límite e c e P
Potenciales de los Mecanismos Proceso Sugerida Adoptada
Paso del de falla v u e N de Terminación v c t N
de falla Actuales
proceso r c
Factura
correcta
Datos incorrectos Identificar modos
de falla Tipo 1
inherentes al
diseño
32
33. Efecto(s) Potencial(es) de falla
Evaluar 3 (tres) niveles de Efectos del Modo de Falla
• Efectos Locales
– Efectos en el Área Local
– Impactos Inmediatos
• Efectos Mayores Subsecuentes
– Entre Efectos Locales y Usuario Final
• Efectos Finales
– Efecto en el Usuario Final del producto o Servicio
33
34. ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Resultados de Acción
O Controles de D
Función Causa(s)
Efecto (s) D c Diseño / e R Responsable S O D R
del componente Modos de Falla Potencial(es) Acción Acción
Potencial (es) i c Proceso t P y fecha límite e c e P
/ Paso del Potenciales oMecanismos Sugerida Adoptada
de falla v u Actuales e N de Terminación v c t N
proceso de falla
r c
Factura correcta Datos incorrectosLOCAL:
Rehacer
la factura
Describir los efectos de
MAXIMO PROXIMO modo de falla en:
Contabilidad LOCAL
equivocada El mayor subsecuente
Y Usuario final
CON CLIENTE
Molestia
Insatisfacción
CTQs del QFD o
Matriz de Causa Efecto
34
35. Rangos de Severidad (AMEFD)
Efecto Rango Criterio .
No 1 Sin efecto
Muy poco 2 Cliente no molesto. Poco efecto en el desempeño del componente o
servicio.
Poco 3 Cliente algo molesto. Poco efecto en el desempeño del comp. o
servicio.
Menor 4 El cliente se siente un poco fastidiado. Efecto menor en el desempeño
del componente o servicio.
Moderado 5 El cliente se siente algo insatisfecho. Efecto moderado en el
desempeño del componente o servicio.
Significativo 6 El cliente se siente algo inconforme. El desempeño del comp. o
servicio se ve afectado, pero es operable y está a salvo. Falla parcial,
pero operable.
Mayor 7 El cliente está insatisfecho. El desempeño del servicio se ve
seriamente afectado, pero es funcional y está a salvo. Sistema afectado.
Extremo 8 Cliente muy insatisfecho. Servicio inadecuado, pero a salvo. Sistema
inoperable.
Serio 9 Efecto de peligro potencial. Capaz de descontinuar el uso sin perder
tiempo, dependiendo de la falla. Se cumple con el reglamento del
gobierno en materia de riesgo.
Peligro 10 Efecto peligroso. Seguridad relacionada - falla repentina.
Incumplimiento con reglamento del gobierno. 35
36. CRITERIO DE EVALUACIÓN DE SEVERIDAD SUGERIDO PARA AMEFP
Esta calificación resulta cuando un modo de falla potencial resulta en un defecto con un cliente final y/o una planta de manufactura
/ ensamble. El cliente final debe ser siempre considerado primero. Si ocurren ambos, use la mayor de las dos severidades
Efecto en el cliente Efecto en Manufactura /Ensamble
Efecto
Calif.
Peligroso
sin aviso
Calificación de severidad muy alta cuando un modo potencial de
falla afecta la operación segura del producto y/o involucra un no
Puede exponer al peligro al operador (máquina o ensamble)
sin aviso 10
cumplimiento con alguna regulación gubernamental, sin aviso
Peligroso
con aviso
Calificación de severidad muy alta cuando un modo potencial de
falla afecta la operación segura del producto y/o involucra un no
Puede exponer al peligro al operador (máquina o ensamble)
sin aviso 9
cumplimiento con alguna regulación gubernamental, con aviso
Muy alto El producto / item es inoperable ( pérdida de la función
primaria)
El 100% del producto puede tener que ser desechado op
reparado con un tiempo o costo infinitamente mayor 8
Alto El producto / item es operable pero con un reducido nivel de
desempeño. Cliente muy insatisfecho
El producto tiene que ser seleccionado y un parte
desechada o reparada en un tiempo y costo muy alto 7
Modera
do
Producto / item operable, pero un item de confort/conveniencia
es inoperable. Cliente insatisfecho
Una parte del producto puede tener que ser desechado sin
selección o reparado con un tiempo y costo alto 6
Bajo Producto / item operable, pero un item de confort/conveniencia
son operables a niveles de desempeño bajos
El 100% del producto puede tener que ser retrabajado o
reparado fuera de línea pero no necesariamente va al àrea 5
de retrabajo .
Muy bajo No se cumple con el ajuste, acabado o presenta ruidos y
rechinidos. Defecto notado por el 75% de los clientes
El producto puede tener que ser seleccionado, sin
desecho, y una parte retrabajada 4
Menor No se cumple con el ajuste, acabado o presenta ruidos y
rechinidos. Defecto notado por el 50% de los clientes
El producto puede tener que ser retrabajada, sin
desecho, en línea, pero fuera de la estación 3
Muy
menor
No se cumple con el ajuste, acabado o presenta ruidos, y
rechinidos. Defecto notado por clientes muy críticos (menos del
El producto puede tener que ser retrabajado, sin desecho
en la línea, en la estación 2
25%)
Ninguno Sin efecto perceptible Ligero inconveniente para la operación u operador, o sin
efecto 1
36
37. ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño / Proceso
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Resultados de Acción
O D
Función S Causa(s) Controles de
Efecto (s) c e R Responsable S O D R
del componente Modos de Falla e Potencial(es) Diseño / Acción Acción
Potencial (es) c t P y fecha límite e c e P
/ Paso del Potenciales v o Mecanismos Proceso Sugerida Adoptada
de falla u e N de Terminación v c t N
proceso . de falla Actuales
r c
La abertura del
engrane propor La abertura no LOCAL:
ciona una aber- es suficiente Daño a sensor
tura de aire entre de velocidad y
diente y diente engrane
Usar tabla para
MAXIMO PROXIMO
Falla en eje 7 determinar severidad o
gravedad
CON CLIENTE
Equipo
parado
37
38. Identificar Causa(s) Potencial(es) de la Falla
• Causas relacionadas con el diseño - Características del
servicio o Pasos del proceso
– Diseño de formatos
– Asignación de recursos
– Equipos planeados
• Causas que no pueden ser Entradas de Diseño,
tales como:
– Ambiente, Clima, Fenómenos naturales
• Mecanismos de Falla
– Rendimiento, tiempo de entrega, información completa
38
39. ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Resultados de Acción
O D
S Causa(s) Controles de
Función Efecto (s) c e R Responsable S O D R
Modos de Falla e Potencial(es) Diseño/Proces Acción Acción
de Potencial (es) c t P y fecha límite e c e P
Potenciales v de los Mecanismos o Actuales Sugerida Adoptada
Artículo de falla u e N de Terminación v c t N
. de falla
r c
Factura correcta Datos incorrectosLOCAL:
Rehacer la Identificar causas
factura
de diseño, y
mecanismos de
MAXIMO PROXIMO falla que pueden
Contabilidad 7
erronea ser señalados para
los modos de falla
CON CLIENTE
Molestia
identificada.
Causas potenciales
Insatisfacción
De Diagrama de Ishikawa
Diagrama de árbol o
Diagrama de relaciones
39
40. Rangos de Ocurrencia (AMEFD)
Ocurrencia Criterios Rango Probabilidad de Falla
Remota Falla improbable. No existen fallas 1 <1 en 1,500,000 Zlt > 5
asociadas con este producto o con
un producto / Servicio casi idéntico
Muy Poca Sólo fallas aisladas asociadas con 2 1 en 150,000 Zlt > 4.5
este producto / Servicio
casi idéntico
3 1 en 30,000
Poca Fallas aisladas asociadas con Zlt > 4
productos / Servicios similares
Moderada Este producto / Servicio ha
tenido fallas ocasionales 4 1 en 4,500 Zlt > 3.5
5 1 en 800 Zlt > 3
Alta Este producto / Servicio ha
6 1 en 150 Zlt > 2.5
fallado a menudo
7 1 en 50 Zlt > 2
Muy alta La falla es casi inevitable
8 1 en 15 Zlt > 1.5
9 1 en 6 Zlt > 1
10 >1 en 3 Zlt < 1
Nota:
El criterio se basa en la probabilidad de ocurrencia de la causa/mecanismo.
Se puede basar en el desempeño de un diseño similar en una aplicación
similar.
41. CRITERIO DE EVALUACIÓN DE OCURRENCIA SUGERIDO PARA AMEFP
Probabilidad Indices Posibles de ppk Calif.
falla
Muy alta: Fallas 100 por mil piezas < 0.55 10
persistentes
50 por mil piezas > 0.55 9
Alta: Fallas frecuentes 20 por mil piezas > 0.78 8
10 por mil piezas > 0.86 7
Moderada: Fallas 5 por mil piezas > 0.94 6
ocasionales
2 por mil piezas > 1.00 5
1 por mil piezas > 1.10 4
Baja : Relativamente pocas 0.5 por mil piezas > 1.20 3
fallas
0.1 por mil piezas > 1.30 2
Remota: La falla es < 0.01 por mil piezas > 1.67 1
improbable
41
42. ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño / Proceso
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Resultados de Acción
Función O D
S Causa(s) Controles de
del Efecto (s) c e R Responsable S O D R
Modos de Falla e Potencial(es) Diseño/ Acción Acción
Componente / Potencial (es) c t P y fecha límite e c e P
Potenciales v o Mecanismos Proceso Sugerida Adoptada
Paso del de falla u e N de Terminación v c t N
. de falla Actuales
proceso r c
Factura correcta Datos LOCAL:
equivocadso Rehacer la
factura
Rango de
probabilidades en que
MAXIMO PROXIMO la causa identificada
Contabilidad 7 3 ocurra
erronea
CON CLIENTE
Molestia
Insatisfacción
42
43. Identificar Controles de Diseño o de
Proceso Actuales
• Verificación/ Validación de actividades de Diseño o
control de proceso usadas para evitar la causa,
detectar falla anticipadamente, y/o reducir impacto:
Cálculos, Análisis, Prototipo de Prueba, Pruebas piloto
Poka Yokes, planes de control, listas de verificación
• Primera Línea de Defensa - Evitar o eliminar causas de falla o error
• Segunda Línea de Defensa - Identificar o detectar fallas o errores
Anticipadamente
• Tercera Línea de Defensa - Reducir impactos/consecuencias de falla o
errores
43
44. ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Resultados de Acción
Función O D
S Causa(s) Controles de
del Efecto (s) c e R Responsable S O D R
Modos de Falla e Potencial(es) Diseño / Acción Acción
Componente / Potencial (es) c t P y fecha límite e c e P
Potenciales v o Mecanismos Proceso Sugerida Adoptada
Paso del de falla u e N de Terminación v c t N
. de falla Actuales
proceso r c
Factura correcta Datos correctos LOCAL:
Rehacer la
factura
¿Cuál es el método de
control actual que usa
MAXIMO PROXIMO ingeniería para evitar el
Contabilidad 7 3 modo de falla?
erronea
CON CLIENTE
Molestia
Insatisfacción
44
45. Rangos de Detección (AMEFD)
• Rango de Probabilidad de Detección basado en la
efectividad del Sistema de Control Actual; basado en el
cumplimiento oportuno con el Plazo Fijado
1 Detectado antes del prototipo o prueba piloto
2-3 Detectado antes de entregar el diseño
4-5 Detectado antes del lanzamiento del servicio
6-7 Detectado antes de la prestación del servicio
8 Detectado antes de prestar el servicio
9 Detectado en campo, pero antes de que ocurra la falla o error
10 No detectable hasta que ocurra la falla o error en campo
46. CRITERIO DE EVALUACIÓN DE DETECCION SUGERIDO PARA AMEFP
Detecciòn Criterio Tipos de Métodos de seguridad de Rangos de Calif
Inspección Detección
A B C
Casi Certeza absoluta de no detección X No se puede detectar o no es verificada
imposible
10
Muy Los controles probablemente no X El control es logrado solamente con
remota detectarán
9
verificaciones indirectas o al azar
Remota Los controles tienen poca X El control es logrado solamente con
oportunidad de detección
8
inspección visual
Muy baja Los controles tienen poca X El control es logrado solamente con
oportunidad de detección
7
doble inspección visual
Baja Los controles pueden detectar X X El control es logrado con métodos gráficos con 6
el CEP
Moderada Los controles pueden detectar X El control se basa en mediciones por variables después de que las
partes dejan la estación, o en dispositivos Pasa NO pasa realizado en 5
el 100% de las partes después de que las partes han dejado la
estación
Moderada Los controles tienen una buena X X Detección de error en operaciones subsiguientes, o medición
mente oportunidad para detectar
realizada en el ajuste y verificación de primera pieza ( solo para 4
causas de ajuste)
Alta
Alta Los controles tienen una buena X X Detección del error en la estación o detección del error en
oportunidad para detectar
operaciones subsiguientes por filtros multiples de aceptación: 3
suministro, instalación, verificación. No puede aceptar parte
discrepante
Muy Alta Controles casi seguros para X X
detectar
Detección del error en la estación (medición automática
con dispositivo de paro automático). No puede pasar la 2
parte discrepante
Muy Alta Controles seguros para detectar X No se pueden hacer partes discrepantes porque el item ha
pasado a prueba de errores dado el diseño del 1
proceso/producto
Tipos de inspección: A) A prueba de error B) Medición automatizada C) Inspección visual/manual 46
47. ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño / Proceso
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Resultados de Acción
Función O D
S Causa(s) Controles de
del Efecto (s) c e R Responsable S O D R
Modos de Falla e Potencial(es) Diseño / Acción Acción
Componente / Potencial (es) c t P y fecha límite e c e P
Potenciales v o Mecanismos Proceso Sugerida Adoptada
Paso del de falla u e N de Terminación v c t N
. de falla Actuales
proceso r c
Factura correcta Datos incorrectosLOCAL:
Rehacer la
factura
¿Cuál es la probabilidad
MAXIMO PROXIMO
de detectar la causa de
Contabilidad 7 3 5
falla?
erronea
CON CLIENTE
Molestia
Insatisfacción
47
48. Calcular RPN (Número de Prioridad de
Riesgo)
Producto de Severidad, Ocurrencia, y Detección
RPN / Gravedad usada para identificar principales CTQs
Severidad mayor o igual a 8
RPN mayor a 150
48
49. ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño / Proceso
Componente ______________________ Responsable del Diseño ____________ AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Resultados de Acción
O D
S Causa(s)
Función Efecto (s) c e R Responsable S O D R
Modos de Falla e Potencial(es) Controles de Acción Acción
de Potencial (es) c t P y fecha límite e c e P
Potenciales v de los Mecanismos Diseño Actual Sugerida Adoptada
Artículo de falla u e N de Terminación v c t N
. de falla
r c
Factura Datos LOCAL:
incorrecta incorrectos Rehacer
la factura
Riesgo = Severidad x
MAXIMO PROXIMO Ocurrencia x Detección
Contabilidad 7 3 5 105
erronea
CON CLIENTE
Molestia
Causas probables a
Insatisfacción
atacar primero
49
50. 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
50
51. ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño / Proceso
Componente ______________________ Responsable del Diseño ____________ AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Resultados de Acción
O D
Función S Causa(s) Controles de
Efecto (s) c e R Responsable S O D R
del componente Modos de Falla e Potencial(es) Diseño / Acción Acción
Potencial (es) c t P y fecha límite e c e P
/ Paso del Potenciales v o Mecanismos Prcoeso Sugerida Adoptada
de falla u e N de Terminación v c t N
proceso . de falla Actuales
r c
Factura correcta Datos LOCAL:
erroneos Rehacer la
factura
MAXIMO PROXIMO
Contabilidad 7 3 5 105
erronea
CON CLIENTE
Molestia
Insatisfacción Usar RPN para identificar
acciones futuras. Una vez que
se lleva a cabo la acción,
recalcular el RPN.
51
53. Herramientas de la
Fase de Análisis
Identificación de causas potenciales
Cartas Multivari y Análisis de Regresión
Intervalos de confianza y Pruebas de Hipótesis
53
54. Identificación de causas
potenciales
Tormenta de ideas
Diagrama de Ishikawa
Diagrama de Relaciones
Diagrama de Árbol
Verificación de causas raíz
54
55. Tormenta de ideas
Técnica para generar ideas creativas cuando la mejor
solución no es obvia.
Reunir a un equipo de trabajo (4 a 10 miembros) en
un lugar adecuado
El problema a analizar debe estar siempre visible
Generar y registrar en el diagrama de Ishikawa un
gran número de ideas, sin juzgarlas, ni criticarlas
Motivar a que todos participen con la misma
oportunidad 55
57. Diagrama de Ishikawa
Anotar el problema en el cuadro de la derecha
Anotar en rotafolio las ideas sobre las posibles causas
asignándolas a las ramas correspondientes a:
Medio ambiente
Mediciones
Materia Prima
Maquinaria
Personal y
Métodos
o
Las diferentes etapas del proceso de manufactura o
servicio
57
58. Diagrama de Ishikawa
Medio
ambiente Métodos Personal
Frecuencia Falta de
Rotación de
Clima personal
de visitas supervi
húmedo Falta de
ción
motivación
Posición de Ausentismo
Distancia de exhibidores
la agencia al
Elaboración ¿Qué
changarro de pedidos produce
bajas ventas
Clientes con Calidad del de
ventas bajas Seguimiento producto Tortillinas
Malos
semanal Tía Rosa?
Conocimiento
itinerarios
de los Tipo de
Descompostura mínimos por exhibidor
del camión ruta
repartidor
Maquinaría Medición Materiales
58
59. Diagrama de relaciones Perdida de mercado
debido a la
competencia
No hay flujo
efectivo de mat. Influencia de la Compra de material
Por falta de situación econ del para el desarrollo de
programación país nuevos productos por
de acuerdo parte inv..... Y desarrollo’’’
No hay coordinación
a pedidos entre marketing
Falta de operaciones
No hay control coordinación al fincar
de inv..... En proc. pedidos entre
Constantes
Falta de prog. De marketing y la op.
cancelaciones
la op. En base a No hay coordinación
de pedidos
los pedidos entre la operación y las unidades
de marketing
Programación del negocio
Las un. Reciben
deficiente
ordenes de dos
deptos diferentes
Capacidad
instalada Falta de coordinación
desconocida entre el enlace de compras
Altos Duplicidad Demasiados deptos
de cada unidad con compras
Falta de control de inventarios de funciones de inv..... Y desarrollo
corporativo
inventarios en
Compras
compras
aprovecha
Falta de com..... Entre
ofertas No hay com..... Entre
las dif. áreas de
las UN y la oper.
la empresa
Marketing no
Mala prog. De tiene en cuenta
ordenes de compra cap de p.
No hay com..... Entre compras
con la op. general
Influencia directa de
marketing sobre
compras
Falta de comunicación
entre las unidades
del negocio
59
60. ¿Que nos puede provocar Variación de Velocidad
Durante el ciclo de cambio en la sección del Embobinadores?
13/0 2/1
Bandas de
Dancer transmisión
2/4 Taco generador 1/1 Causas a validar
del motor Empaques de arrastre
0/4 Poleas guías 0/3
Presión de aire de trabajo
1/2 Presión del 5/2
Drive principal
dancer
5/1 Mal guiado 4/1
Voltaje del motor
1/4 Sensor de velocidad
de línea 1/5 principales
Ejes
Entradas Causa
Salidas Efecto
1/4 Sensor
1/5
Poleas de transmisión
circunferencial
60
61. Diagrama de árbol o sistemático
Meta Medio
Meta Medio
Meta Medio
Segundo Tercer Cuarto
Primer nivel nivel nivel
nivel
Medios
Medios
Medios
Medios
o planes
Meta u
objetivo
Medios
o planes
61
62. Diagrama de Arbol- Aplicación Sistema SMED
¿Cómo? ¿Cuándo?
Filmar la preparación 5- 12 - Mar-04
Preparación
para el SMED
Analizar el video 10 y 17 –Mar-04
Describir las tareas 17- Mar-04
¿Objetivo? Separar las tareas 17- Mar-04
Fase 1: Separación
de la preparación Elaborar lista de chequeo 2- Mar-04
Implantar el interna de la externa
Sistema Realizar chequeo de
24- Mar-04
funciones
SMED
Producto DJ Analizar el transporte de
24- Mar-04
2702 herramientas y materiales
Analizar las funciones y
¿Qué? Fase 2: Conversión propósito de c/operación
12 - Abr- 04
de preparación
Convertir tareas de prepa-
interna en externa ración interna a externas
15 –Abr - 04
Elaboramos un
Diagrama de Arbol Realización de operaciones
5 –May -04
en paralelo.
para poder
analizar nuestro Fase 3: Refinamiento
Uso de sujeciones
problema siguiendo de todos los aspectos funcionales.
19– May -04
el sistema SMED. de la preparación.
Eliminación de ajustes 12- May -04
62 19
63. Verificación de posibles causas
Para cada causa probable , el equipo deberá
por medio del diagrama 5Ws – 1H:
Llevar a cabo una tormenta de ideas para
verificar la causa.
Seleccionar la manera que:
represente la causa de forma efectiva, y
sea fácil y rápida de aplicar.
63
64. Calendario de las actividades
¿qué? ¿por qué? ¿cómo? ¿cuándo ¿dónde ¿quién?
? ?
1 1.1 Por variación de 1.1.1 Tomar dimensiones de ensamble entre Abril ’04 1804 J. R.
Tacogenerador voltaje durante el coples. Embob.
de motor ciclo de cambio 1.1.2 Verificar estado actual y
embobinador especificaciones de escobillas.
1.1.3 tomar valores de voltaje de salida
durante el ciclo de cambio.
2 Sensor 2.1 Por que nos 2.1.1 Tomar dimensiones de la distancia Abril ’04 1804 U. P.
circular y de genera una varión en entre poleas y sensores. Embob.
velocidad de la señal de referencia 2.1.2 Tomar valores de voltaje de salida de
linea. hacia el control de los sensores.
velocidad del motor 2.1.3 Verificar estado de rodamientos de
embobinador poleas.
3 Ejes 3.1 Por vibración 3.1.1 Tomar lecturas de vibración en Abril’04 1804 F. F.
principales de excesiva durante el alojamientos de rodamientos Embob.
transmisión. ciclo de cambio 3.1.2 Comparar valores de vibraciones con
lecturas anteriores.
3.1.3 Analizar valor lecturas de vibración
tomadas.
4 Poleas de 4.1 Puede generar 4.1.1 Verificar alineación, entre poleas de Abril’04 1804 J. R.
transmisión de vibración excesiva ejes principales y polea de transmisión del Embob. U. P.
ejes durante el ciclo de motor.
embobinadores cambio. 4.1.2 Tomar dimensiones de poleas(dientes
. de transmisión).
4.1.3 Tomar dimensiones de bandas (dientes
de transmisión)
4.1.4 Verificar valor de tensión de bandas. 64
66. Cartas Multivari
Su propósito fundamental es reducir el gran número de
causas posibles de variación, a un conjunto pequeño de
causas que realmente influyen en la variabilidad.
Sirven para identificar patrones de variación:
Temporal: Variación de hora a hora; turno a
turno; día a día; semana a semana; etc.
Cíclico: Variación entre unidades de un mismo
proceso; variación entre grupos de unidades;
variación de lote a lote.
Posicional: Dentro de la pieza
66
67. Cartas Multivari
8 AM 9 AM 10 AM 11 AM 12 AM
2.0 dias
1.5 días
1.0 días
Zona A
Zona B
Zona D
Zona C
67
68. Zona orden Tipo de orden
Tiempo
respuesta
3 1 23
Corrida en Minitab
3 1 20
3 1 21
3 2 22
3 2 19
3 2 20
Se introducen los datos en varias 3 3 19
columnas C1 a C3 incluyendo la 3
3
3
3
18
21
respuesta (tiempo) y los factores 1 1 22
1 1 20
(Zona y Tipo de orden) 1 1 19
1 2 24
1 2 25
1 2 22
1 3 20
1 3 19
1 3 22
2 1 18
2 1 18
2 1 16
2 2 21
2 2 23
2 2 20
2 3 20
2 3 22
2 3 68 24
69. Corrida en Minitab
Utilizar el archivo de ejemplo orden.mtw
Opción: Stat > Quality Tools > Multivari charts
Indicar la columna de respuesta y las columnas de
los factores
En opciones se puede poner un título y conectar las
líneas
69
70. Resultados
Multi-Vari Chart for Tiempo respuesta by Zona orden - Tipo de orden
24 Zona
orden
1
23
2
3
22
Tiempo respuesta
21
20
19
18
17
1 2 3
Tipo de orden
70
71. Análisis de Regresión
El análisis de regresión es un método
estandarizado para localizar la correlación entre dos
grupos de datos, y, quizá más importante, crear un
modelo de predicción.
Puede ser usado para analizar las relaciones entre:
• Una sola “X” predictora y una sola “Y”
• Múltiples predictores “X” y una sola “Y”
• Varios predictores “X” entre sí
71
72. Definiciones
Correlación
Establece si existe una relación entre las variables y
responde a la pregunta, ”¿Qué tan evidente es esta
relación?"
Regresión
Describe con más detalle la relación entre las variables.
Construye modelos de predicción a partir de información
experimental u otra fuente disponible.
Regresión lineal simple
Regresión lineal múltiple
Regresión no lineal cuadrática o cúbica
72
73. Correlación de la información de las X y las Y
Correlación Positiva Correlación Negativa
25
Evidente 25
Evidente
20 20
15 15
10
Y
Y
10
5
5
0
0 5 10 15 20 25
Sin Correlación 0
0 5 10 15 20 25
X 25 X
20
15
Correlación Y 10
Correlación
5
25
Positiva 0 Negativa
0 5 10 15 20 25 25
20
X 20
15
15
Y
10
Y
10
5
5
0
0 5 10 15 20 25 0
0 5 10 15 20 25
X
X
73
74. Ejemplo
Considere el problema de predecir las ventas mensuales
(score2) en función del costo de publicidad (Score 1). Calcular
el coeficiente de correlación, el de determinación y la recta.
Score1 Score2
4.1 2.1
2.2 1.5
2.7 1.7
6 2.5
8.5 3
4.1 2.1
9 3.2
8 2.8
7.5 2.5
74
75. Corrida en Minitab
Utilizar el archivo de ejemplo Exh_regr.mtw
Opción: Stat > Regression > Regression
Para regresión lineal indicar la columna de respuesta
Y (Score2) y X (Score1)
En Regresión lineal en opciones se puede poner un
valor Xo para predecir la respuesta e intervalos. Las
gráficas se obtienen Stat > Regression > Regression
> Fitted line Plots
Para regresión múltiple Y (heatflux) y las columnas
de los predictores X´s (north, south, east)
75
76. Resultados de la regresión lineal
Regression Analysis: Score2 versus Score1
The regression equation is
Score2 = 1.12 + 0.218 Score1
Predictor Coef SE Coef T P
Constant 1.1177 0.1093 10.23 0.000
Score1 0.21767 0.01740 12.51 0.000
S = 0.127419 R-Sq = 95.7% R-Sq(adj) =
95.1%
Analysis of Variance
Source DF SS MS F P
Regression 1 2.5419 2.5419 156.56 0.000
Residual Error 7 0.1136 0.0162
Total 8 2.6556 76
77. Resultados de la regresión lineal
Fitted Line Plot
Score2 = 1.118 + 0.2177 Score1
3.5 Regression
95% CI
95% PI
3.0 S 0.127419
R-Sq 95.7%
R-Sq(adj) 95.1%
2.5
Score2
2.0
1.5
1.0
2 3 4 5 6 7 8 9
Score1
77
78. Interpretación de los Resultados
La ecuación de regresión (Score2 = 1.12 + 0.218 Score1)
describe la relación entre la variable predictora X y la respuesta de
predicción Y.
R2 (coef. de determinación) es el porcentaje de variación
explicado por la ecuación de regresión respecto a la variación total
en el modelo
El intervalo de confianza es una banda con un 95% de
confianza de encontrar la Y media estimada para cada valor de
X [Líneas rojas]
El intervalo de predicción es el grado de certidumbre de la
difusión de la Y estimada para puntos individuales X. En general,
95% de los puntos individuales (provenientes de la población sobre
la que se basa la línea de regresión), se encontrarán dentro de la
banda [Líneas azules]
78
79. Corrida en Minitab
Se introducen los datos HeatFlux East South North
en varias columnas C1 a
C5 incluyendo la 271.8 33.53 40.55 16.66
respuesta Y (heatflux) y
264 36.5 36.19 16.46
las variables predictoras
X’s (North, South, East) 238.8 34.66 37.31 17.66
230.7 33.13 32.52 17.5
251.6 35.75 33.71 16.4
257.9 34.46 34.14 16.28
79
80. Resultados de la regresión Múltiple
Regression Analysis: HeatFlux versus East, South, North
The regression equation is
HeatFlux = 489 - 0.28 East + 3.21 South - 20.3 North
Predictor Coef SE Coef T P
Constant 488.74 88.87 5.50 0.032
East -0.278 1.395 -0.20 0.860
South 3.2134 0.5338 6.02 0.027
North -20.293 2.981 -6.81 0.021
S = 3.47637 R-Sq = 98.0% R-Sq(adj) = 95.0%
Analysis of Variance
Source DF SS MS F P
Regression 3 1173.46 391.15 32.37 0.030
Residual Error 2 24.17 12.09
Total 5 1197.63
80
81. Relaciones no Lineales
¿Qué pasa si existe una relación causal, no lineal?
El siguiente es un conjunto de datos Fitted Line Plot
experimentales codificados, sobre Y = 18.13 + 1.089 X
- 0.02210 X**2
resistencia a la compresión de una
35.0 Regression
aleación especial: 95% CI
95% PI
32.5 S 1.35809
Resistencia a R-Sq 66.8%
Concentración la Compresión R-Sq(adj) 61.2%
30.0
x y Y
10.0 25.2 27.3 28.7
27.5
15.0 29.8 31.1 27.8
20.0 31.2 32.6 29.7
25.0 31.7 30.1 32.3 25.0
30.0 29.4 30.8 32.8
10 15 20 25 30
X
81
82. Otros Patrones No Lineales
A veces es posible transformar una o ambas variables, para mostrar
mejor la relación entre ambas. La meta es identificar la relación
matemática entre las variables, para que con la variable transformada
se obtenga una línea más recta. Algunas transformaciones comunes
incluyen:
x’ = 1/x
x’ = Raíz cuadrada de (x)
Funciones trigonométricas: x’ = Seno
de x x’ = log x
82
83. Resumen de la Regresión
• La regresión sólo puede utilizarse con información de
variables continuas.
• Los residuos deben distribuirse normalmente con media
cero.
• Importancia práctica: (R2). Importancia estadística:
(valores p)
• La regresión puede usarse con un “predictor” X o más,
para una respuesta dada
• Reduzca el modelo de regresión cuando sea posible,
sin perder mucha importancia práctica
83
85. Estimación puntual
y por intervalo
Las medias o desviaciones estándar calculadas de
una muestra se denominan ESTADÍSTICOS, son
puntos estimados de la media y desviación estándar
real de población o de los PARAMETROS.
Si no se desean números sencillos como estimadores
de la media basada en una muestra, entonces se
determina un
“Un Intervalo de Confianza”
85
86. Estimación puntual
y por intervalo
¿Cómo obtenemos un intervalo de confianza?
Punto estimado + error estimado del parámetro
¿De dónde viene el error estimado?
Desv. estándar X multiplicador de NC (nivel de
confianza) deseado
86
87. Estimación puntual
y por intervalo
Nivel de significancia Alfa = 1 – NC, para el caso de
NC = 95%, se tiene un alfa de 0.05 o 0.025 de
cada lado.
Alfa es la probabilidad de que el parámetro esté
fuera del intervalo de confianza.
Un área de 0.025 en la tabla Z, corresponde a una
Z de 1.960.
87
88. Representación gráfica
Rango en el que se
Encuentra el parámetro
IC = 90, 95 o 99% Con un nivel de confianza NC
n=30
Alfa/2
n=15
n=10
Distribución normal Z Distribución t (gl. = n-1)
88
89. Estimación puntual
y por intervalo
Por Ejemplo:
Si la media de la muestra es 100 y la desviación
estándar es 10, el intervalo de confianza al 95%
donde se encuentra la media para una distribución
normal es:
100 + (10) X 1.96 => (80.4, 119.6)
Multiplicador de nivel de confianza = Z0.025 = 1.96
89