taller seis sigma ii - analizar
TRANSCRIPT
Taller EjecutivoExpositor: MBA. Alejandro Gallegos Chocce
AGENDA
1. 2. 3. 4. 5.
Introduccin al Seis Sigma Proyectos y Metodologa Seis Sigma Fase I: Definir y Medir (Clientes) Fase I: Definir y Medir (Proceso) Fase II: Analizar
22
1
5.
Fase II: Analizar
5.1 Determinar las causas del problema 5.2 Variables Discretas y Continuas 5.3 Prueba hiptesis 5.4 Prueba hiptesis para una, dos muestras y ANOVA 5.5 Prueba hiptesis correlacin y regresin 5.6 Prueba hiptesis Tabla de Contingencia 5.7 Procedimiento de prueba hiptesis 5.8 Ejemplos
33
CTQs
X (KPIV)X (KPIV) significativas
FMEA, Mapa de Procesos Cp, Cpk Prueba de Hiptesis Correlacin Regresin
X (KPIV) que afectan al proceso X (KPIV) que afectan al proceso Controladas
FMEA, Lean, Plan de Mejoras SPC 5 Ss Poka Yoke
Y (KPOV)X YKey Process Input Variables (KPIV) Key Process Ouptput Variables (KPOV) variable claves del proceso variables clave de salida del proceso para el cliente44
2
5.1
Determinar las causasDiagrama de Causa-Efecto (Ishikawa)
Con la finalidad de determinar las posibles causas generalmente que afectan a nuestro poblewma (Y o KPOV), usaremos el Diagrama Causa Efecto, o Ishikawa.Criterio de agrupacin 1 Criterio de agrupacin 2 Criterio de agrupacin 3 causa causa PROBLEMA causa causa causa causa causa causa causa causa causa
CONSTRUCCION Listar por tormenta de ideas las causas generales que afectan al indicador. Agrupar las causas en 4 o 6 grupos. Se suele usar: Por 4M Mano O. Material Maquinaria Mtodo Por 6M Mano O Material Maquinaria Mtodo Medicin Medio amb.
causa causa
causa causa causa causa
causa causa causa
Criterio de Criterio de agrupacin 6 agrupacin 5
Criterio de agrupacin 4
Nota: Si las causas vienen de los KPIV, se deben sealar si son E,C,N
55
5.1
Determinar las causasAnlisis Causa Efecto:
MaterialFormatos lejos de las ventanillas No hay papel para recibos Computadoras son lentas
PersonalNo conoce los procesos Personal lento
No conoce los procesos No conoce los procesos
Atencin LentaExisten pocas agencias cerca No existe manual de procedimientos en la agencia
Sistema se cae
Procedimiento incorrecto
Equipo
Ambiente
Procedimiento
Anlisis causa efecto para analizar la demora en la atencin en una agencia bancaria66
3
5.1
Determinar las causasMatriz Causa-EfectoSe ha visto que la KPIV, puede impactar en las KPOV:
XEjemplos:
afecta
Y
Posteriormente se validaran cuales causas son definitivamente las que son las responsables del Problema
Nmero de Contratos Conocimientos norma de crditos Numero de Analistas Tiempo de entrega de Contratos
Tiempo de Calificacin % de crditos rechazados Costo Evaluacin.
Para mejorar el proceso, se debe identificar cules son las X que ms afectan a las Y para determinar cules deben ser atacadas.77
5.1
Determinar las causasSeleccin de la Prueba Hiptesis
Y Continua
Y Discreta
X Continua
Correlacin-Regresin
Grficos de Estratificacin
X Discreta
Grficos de Estratificacin Y (Distribucin Normal) Prueba T1 Prueba T2 Prueba Anova Y (Distribucin No Normal) Prueba One Sample Sing Prueba One Sample Wilcoxon Prueba kWally
Tablas de Contingencias Chi cuadrado
88
4
5.1
Determinar las causasENTRADAS DEL PROCESOINICIO N1 C 1 X 1 X2 X 3
CAPACIDAD DEL PROCESO
FEMEA
C 2 Y 1 Y 2
FIN
X 3
X 4 N2
C3 X5
ISHIKAWA
PRUEBA DE HIPOTESIS
VARIABLES SIGNIFICATIVAS99
5.2
Variables Discretas y Continuas
Datos Discretos
tienen un nmero fijo de valores Ejemplos: estado civil, sanguneo, nmero de nios
tipo
Datos Continuos
tienen un nmero infinito de valores Ejemplos: estatura, peso, temperatura
10 10
5
5.3
Prueba Hiptesis
PRUEBA DE HIPOTESIS
Para conocer si un factor ( X: KPIV ) influye sobre nuestro indicador ( Y: KPOV ) del proceso; se suele variar este factor de manera de ver si su variacin afecta al indicador. La manera de ver esta variacin es a travs de las pruebas de hiptesis que nos permitirn concluir si el factor en estudio afecta significativamente al indicador.
11 11
5.3
Prueba HiptesisErrores posibles al evaluar una hiptesisVerdad de H0V (no hay diferencia) Decisin correcta 1-E (nivel de significan ca) F (si hay diferencia)
Aceptar H0 (no hay diferencia)
Error tipo 2
Aceptar Ha (si hay diferencia)
Error tipo 1
Decisin correcta 1F (poder la prueba)
P(Error Tipo) = E :Probabilidad de encontrar una diferencia cundo esta no existe. E = 0.01, 0.05 P(Error Tipo2) = F : Probabilidad de no encontrar una diferencia cuando esta si existe.
F
V
Verdad de Ha
12 12
6
5.3
Prueba HiptesisRECORDANDO
Ho : El factor no gener diferencias Antes Vs Despus Ha : El factor si gener diferencias Antes Vs Despus
(X no afecta Y) (X si afecta Y)
Si p val > 0.05 (E)
NO se rechaza H0
VOCABULARIOConclusin Robusta: Rechazar H0. Ello pues el valor de E se ha fijado en la prueba (usualmente en 0.05) Conclusin Dbil: Aceptar H0 sin conocer el valor de F. En estos casos se suele decir No puede rechazarse H0 Potencia de una prueba estadstica: Es la probabilidad de rechazar correctamente una H0 Potencia = 1 - F13 13
5.4
Prueba Hiptesis: Una muestraPrueba AnovaONE SAMPLE t TAMAO DE MUESTRA (Si la Poblacin es Normal)Prueba t (One Sample t)
Estadstico t = X- Q s / n Hiptesis Nula Hiptesis Alterna Ha: Q Q0; Q { Q0 ; t < t E, n-1 t > t E, n-1 | t | > t E/2 , n-1 H0: Q = Q 0
Minitab Stat-Basic Statisc- 1sample t
14 14
7
5.4
Prueba Hiptesis: Dos muestrasPrueba AnovaTWO SAMPLE t TAMAO DE MUESTRA (Si la Poblacin es Normal)Prueba t (Two Sample t)
Estadstico t =
Q1- Q2 (s1/n1 s2/n2)H0: Q1 = Q2
Hiptesis Nula Hiptesis Alterna Ha: Q1 Q2; Q1 { Q2 ;
t < t E, n-1 t > t E, n-1 | t | > t E/2 , n-1
Minitab Stat-Basic Statisc- 2sample t
15 15
5.4Source TIPO LOTE Error Total S = 3712
Prueba Hiptesis: ANOVADF SS MS F P 2 177886860 88943430 6.46 0.002 118 1625812015 13778068 120 1803698874 R-Sq = 9.86% R-Sq(adj) = 8.33% Individual 95% CIs For Mean Based on Pooled StDev --------+---------+---------+---------+(----*----) (--------*--------) (----*----) 6000 8000 10000 12000
Level ADULTO JOVEN VIEJO
N 52 17 52
Mean 6158 9055 5331
StDev 3863 4226 3369
Boxplot of HUEVOS INCUBADOS by TIPO LOTE16000 14000 HUEVOS INCUBA DOS 12000 10000 8000 6000 4000 2000 0 ADULTO JOVEN TIPO LOTE VIEJO
16 16
8
5.4
Prueba Hiptesis: Interpretar Siglas
P-VALUESource TIPO LOTE Error Total S = 3712 DF SS MS F P 2 177886860 88943430 6.46 0.002 118 1625812015 13778068 120 1803698874 R-Sq = 9.86% R-Sq(adj) = 8.33% Individual 95% CIs For Mean Based on Pooled StDev --------+---------+---------+---------+(----*----) (--------*--------) (----*----) 6000 8000 10000 12000
Un p-value < 0.05 indica una diferencia
significativa entre niveles de factores. Por lo menos un grupo es diferente. Se rechaza la hiptesis de que todos los promedios son iguales.
Level ADULTO JOVEN VIEJO
N 52 17 52
Mean 6158 9055 5331
StDev 3863 4226 3369
F- TEST F es un ratio estadstico que compara la variacin entre factores con la variacin dentro de los factores.
COEFICIENTE DETERMINACION Una
Cuando las medidas de los grupos o factores son similares F esta cerca de 1.
medida relativa de la variabilidad es el coeficiente R : SS factor / SS total. Se denomina coeficiente de determinacin, este estar entre cero y uno. Queda claro que cuanto ms prximo est de uno. Ms variabilidad explica el modelo. 17 17
5.5
Prueba Hiptesis: Correlacin y Regresin
INTRODUCCIN: Al interior de un proceso, usualmente existe una relacin entre 2 variables. Si una Y (KPOV) se correlaciona con una X; podremos decir que X es una KPIV. De esta manera diremos que existe una ecuacin que liga a ambas Y = f (x). Esta ecuacin se denomina Modelo matemtico. Esta ecuacin se calcula usando tcnicas de regresin. Usualmente la correlacin para determinar la fuerza que liga a 2 variables sin necesidad de alterar el proceso como se hizo en las Pruebas de hiptesis o como har en los DOE (Fase 3).
18 18
9
5.5
Prueba Hiptesis: Correlacin y RegresinCorrelacinEs la Fuerza de Asociacin entre 2 Variables. Se mide con el Coeficiente de Pearson (r) -1 e r e 1
-1 e r < 0 Correlacin Negativa
r=0 No hay Correlacin
0 0.05
Si Factor no afecta Acepto H0 No Rechazo H0
Variar el factor de manera de tener 2 Situaciones : Antes Despus
Factor si afecta
1
Fin
24 24
12
5.7
Procedimiento de PruebasPrueba de Normalidad para "Y"
Y continua / X discreta Con 1 muestra
NO Es normal? Agrupar prueba Normalidad para"Y"
SI
Prueba T 1
Es normal? NO Transformar Datos prueba Normalidad para"Y"
SI
Es normal? NO Prueba One Sample Sign
SI
25 25
5.7
Procedimiento de PruebasPrueba de Normalidad para "Y" NO SI Es normal? Agrupar prueba Normalidad para"Y" Prueba F para Y agrupada segn las X
Y continua / X discreta Con 2 muestrasSI
Es normal? NO Transformar Datos prueba Normalidad para"Y" NO P> ? SI
Es normal? SI Prueba F para Y agrupada segn las X
NO
P> ? SI
NO
Prueba KW
Prueba T2
26 26
13
5.7
Procedimiento de PruebasPrueba de Normalidad para "Y"
Y continua / X discreta Con ms de 2 muestrasSI
NO Agrupar prueba Normalidad para"Y"
Es normal?
SI
Prueba F para Y agrupada segn las X
Es normal? NO Transformar Datos prueba Normalidad para"Y" NO Es normal? SI Prueba F para Y agrupada segn las X
NO P> ?
SI
P> ? SI
NO
Prueba KW
Prueba de Anova
27 27
5.7
Procedimiento de PruebasProbar la correlacion de todos los x con y
Y continua o discreta / X Continua
No r = 0?
Si
No
Y es continua ? No
Si
No hay correlacion
Si Hay mas de una x? es lineal o curva? curva
lineal
Prueba Regresion Logistica
Prueba Regresion Multiple
lineal
es lineal o curva?
curva Prueba Regresion Superficie de Respuesta
Prueba de Regresion lineal
Prueba de Regresion curva lineal
28 28
14
5.7
Procedimiento de PruebasProbar la correlacion de todos los x con y
Y Discreta X DiscretaNo Y es continua ? No Prueba Regresion Logistica
No r = 0?
Si
Si
No hay correlacion
Si Hay mas de una x? es lineal o curva? curva
lineal
Prueba Regresion Multiple
lineal
es lineal o curva?
curva Prueba Regresion Superficie de Respuesta
Prueba de Regresion lineal
Prueba de Regresion curva lineal
29 29
5.8 Ejemplos: EMPRESA COURIERX Y cantidad pedido devueltos semanal20 30 . . . 10
EL RAPIDO
Qu tipo de prueba? X1= Discreta, tiene 10 valores (menos de 30) Y= continua Por lo tanto se utiliza la Prueba de Anova para probar la significancia de X en Y. Nota: no se utiliza T1 ni T2 porque son ms de 1 y 2 muestras respectivamente.
X1= Zona Geografica Zona 1
48 datos (48 semanas)
Zona 2 . . . . . Zona 10
20 40 . . . 30
48 datos (48 semanas)
30 50 . . . 20
48 datos (48 semanas)
30 30
15
5.8 Ejemplos: EMPRESA COURIERX Y cantidad pedido devueltos semanal20 30 . . . 10
EL RAPIDO
Qu tipo de prueba?
X2= Repartidores Repartidor 1
48 datos (48 semanas)
Repartidor 2 . . . . . . . . Repartidor 50
X2= inicialmente es discreta, pero por tener ms de 30 valores se le considera continua. Y= continua
20 40 . . . 30
48 datos (48 semanas)
Por lo tanto se utiliza la Prueba de Regresion.
30 50 . . . 20
48 datos (48 semanas)
31 31
5.8 Ejemplos: EMPRESA COURIERX Y cantidad pedido devueltos semanal 50 10 . . . 20
EL RAPIDO
Qu tipo de prueba? X3= Discreta Y= Continua Por lo tanto se utiliza la Prueba T2 para probar la significancia de X en Y
X3= El repartidor usa Guia ? Si
No
10 20 . . . 30
Nota: no Anova porque solo son 2 muestras.
32 32
16
5.8 Ejemplos: FABRICA DE PASTAS NAPOLITANOX Y cantidad de pasta quemada Qu tipo de prueba? X1= es continua Tiene mas de 30 datos 10 kg 15 kg 12 kg 8 kg . . . . . . 14kg Y= continua Por lo tanto se utiiliza la Prueba de Regresion
X1= Presion en el cabezal (Bar) 40 bar 65 bar 50 bar 30 bar . . . . . . 60 bar
100 datos
33 33
5.8 Ejemplos: FABRICA DE PASTAS NAPOLITANOX Y cantidad de pasta quemada Qu tipo de prueba? X2= es continua Tiene mas de 30 datos 15 kg 10 kg 20 kg 8 kg . . . . . . 25kg Y= continua Por lo tanto se utiiliza la Prueba de Regresion
X2= Temperatura de cocido (C) 45 C 35 C 55 C 32 C . . . . . . 50 C
105 datos
34 34
17
5.8 Ejemplos: FABRICA DE PASTAS NAPOLITANOX Y cantidad de pasta quemada Qu tipo de prueba? X3= es continua Tiene mas de 30 datos 15 kg 10 kg 20 kg 8 kg . . . . . . 25kg Y= continua Por lo tanto se utiiliza la Prueba de Regresion
X3= Humedad relativa (%) 60% 55% 70% 45% . . . . . . 72%
103 datos
35 35
18