Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Taller de
Lean
Sigma
básico
Módulo 3. Fase de
Análisis
Contenido
5. FASE DE ANÁLISIS ............................................................................................................... 3
Introducción ........................................................................................................................... 3
1. Identificar las fuentes de variación y causas potenciales................................................... 4
Diagrama causa-efecto (ishikawa)...................................................................................... 4
Los cinco Porqués ........................................................................................................... 6
Diagrama de Interrelaciones ............................................................................................ 10
Diagrama de árbol ............................................................................................................ 12
2. Comprobación de causas raíz por pruebas físicas con 5W-1H......................................... 14
3. Comprobación de causas raíz de fuentes de variación .................................................... 17
Pruebas de Hipótesis ........................................................................................................ 17
Introducción: ................................................................................................................ 17
Prueba de Hipótesis de dos poblaciones:..................................................................... 18
Pruebas pareadas ......................................................................................................... 21
Análisis de varianza (ANOVA) ....................................................................................... 23
Análisis Multi-vari ............................................................................................................. 25
Correlación y regresión lineal simple ............................................................................... 28
Diagrama de Dispersión................................................................................................ 28
4. Análisis del modo y efecto de falla (FMEA) ...................................................................... 38
2
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
5. FASE DE ANÁLISIS
Definir
Definir Medir Analizar
Analizar Mejorar
Mejorar Controlar
Controlar
Introducción
En esta fase se efectuará el análisis de los datos obtenidos en la etapa de Medición, con el
propósito de conocer las relaciones causales. La información de este análisis
proporcionará evidencias de las fuentes de variación y desempeño insatisfactorio, el cual
es de gran utilidad para la mejora del proceso.
PROPÓSITOS:
Identificar todas las causas potenciales posibles
Establecer hipótesis sobre posibles Causas Raíz
Identificar cuáles son las fuentes de variación.
Refinar, rechazar, o confirmar la Causa Raíz
o Seleccionar las Causas Raíz más importantes: las pocas Xs vitales
El proceso de análisis que se recomienda es el siguiente:
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
3
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
# de
Resultados Causa
Causa Causas Raíz
1 Ensamble de ojillos, bloques y SI ES CAUSA RAIZ
X
contrapesos no adecuados en
aspas.
2 Amortiguadores dañados. X
SI ES CAUSA RAIZ
3 Desgaste de bujes en los
carretes. NO ES CAUSA RAIZ
4 Fabricación y reemplazo de NO ES CAUSA RAIZ
ejes y poleas no adecuados en
ensamble de aspas.
Desalineamiento de poleas y
5 bandas de transmisión de SI ES CAUSA RAIZ X
aspas.
Método de Balanceo no
6 SI ES CAUSA RAIZ X
adecuado.
7 Desalineación de pinolas en NO ES CAUSA RAIZ
cuna.
4
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Ejemplo
Se detectaron fallas en la separación de residuos sólidos, por lo cual se procedió a realizar una
investigación utilizando el diagrama causa-efecto.
5
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Mediciones
Medio ambiente
Estas constituyen las causas primarias del problema y es necesario desafiarlas para encontrar
causas más específicas secundarias y terciarias.
Se construye el diagrama espina de pescado con las causas primarias (M´s), a partir de estas
causas se agrupan las causas secundarias y terciarias derivadas de la lluvia de ideas utilizando la
herramienta de los cinco porqués:
El método de los 5 porqués para el análisis de causa raíz se describe como hacer cinco
veces la pregunta ¿Por qué?, por ejemplo:
Las cinco preguntas no son obligatorias, si no hay necesidad de preguntar más detener el
proceso y si hay necesidad hacer más preguntas.
Con este proceso se pueden obtener subcausas de varios niveles en cada una de las ramas, como
se muestra en el siguiente ejemplo:
6
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Es utilizado para explorar e identificar todas las causas posibles y relaciones de un problema
(efecto) o de una condición específica en las características de un proceso.
En este diagrama el equipo da prioridad a las causas más probables para su comprobación, en este
caso se seleccionan las causas potenciales 1 a 8 en círculo rojo.
7
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
1. Llenar las columnas C1 a C5 con las diferentes causas correspondientes a los conceptos de
4. Introducir las columnas de las CAUSAS PRINCIPALES correspondientes a cada una de las
ramas principales en la pantalla de entrada.
8
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
OK
6. Indicando el problema de FALLA DE SOLDADURA en Effect y aceptar con OK.
OK
Cause-and-Effect Diagram
Mediciones Matls. Personal
D Cu
iá rv
m a
et tu Se F o E xp S alud
ro ra rm e
le a c ri en
F orma cc
ió ió cia
n n
A Dureza C Habilidad
Ti m an
em bi H sa
en or M o n
po te as ra cio
l
A lmacén Humor
FALLA DE
SOLDADURA
Temperatura Herramental
Humedad A brasión
9
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Seleccionar entre las subcausas potenciales las que pueden ser más fáciles de solucionar
con el mayor impacto, para lo que se puede utilizar la matriz de esfuerzo impacto.
http://media.photobucket.com/image/Matriz%20de%20esfuerzo%20beneficio/ogalonzo/blog/matriz.gif
PRÁCTICA: Realizar un Diagrama de Causa Efecto para las causas potenciales de un problema de
la empresa.
Diagrama de Interrelaciones
10
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/herramientas_calidad/interrelaciones.htm
Ayuda a identificar las causas potenciales de un problema. A diferencia del diagrama de causa y
efecto, la gráfica permite que el equipo de solución de problemas observe al mismo tiempo
muchos efectos y trace la relación entre dichos efectos y varias causas.
PASOS
1. Reunir el equipo y elegir un líder.
2. Poner el asunto o problema en forma de pregunta.
a. Es posible elegir dicho asunto o problema de las siguientes fuentes:
11
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Diagrama de árbol
12
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
http://www.estrategiamagazine.com/administracion/la-tecnica-del-arbol-para-la-toma-de-
decisiones-efectivas-herramientas/
13
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
http://www.gestiopolis.com/recursos/documentos/fulldocs/ger1/genercal.htm
Un diagrama de árbol (diagrama sistemático) es una técnica que se emplea para buscar la forma
más apropiada y eficaz de alcanzar un objetivo específico. Esta herramienta gráfica de diagrama
los diversos niveles de detalle, estos representan acciones (o tareas) que siguen rutas lógicas para
implantar un objetivo amplio. Al implantar los puntos detallados de acción, se crea un efecto de
dominio que lleva al logro del objetivo principal.
Cuando se trabaja sobre un objetivo amplio, un diagrama de árbol ayuda a orientar tareas
específicas, es posible emplearlo para planear la implantación de una solución detallada en forma
ordenada. El diagrama de árbol funciones para dividir un aspecto u objetivo más complejo.
PASOS
1. Reunir un equipo apropiado.
2. Elegir la declaración de objetivo.
c. Es posible elegir dicho asunto o problema de las siguientes fuentes:
El aspecto clave o la tarjeta de encabezado más crítica de un diagrama de
afinidad.
La declaración de efecto de un diagrama de causa y efecto
El aspecto clave de un diagrama de árbol
Un aspecto clave identificado por el equipo
3. Generar los encabezados de primer nivel del árbol.
a. Como punto de inicio, usar los siguientes tres encabezados de primer nivel del
árbol
Si el objetivo es un aspecto clave de un diagrama de afinidad, usar las tarjetas
de encabezado. Si el objetivo es la tarjeta crítica de encabezado, usar las
tarjetas bajo tal encabezado
Si el objetivo es una causa o efecto raíz de una gráfica doble de
interrelaciones, usar las tarjetas que llevan a ella
Si el objetivo es un aspecto clave identificado por el equipo, realizar una
tormenta de ideas cuyo enfoque sea la implantación
4. Completar el diagrama de árbol bajo cada encabezado principal.
5. Revisar el diagrama de árbol terminado y comprobar las causas raíz más probables.
14
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Ejemplo:
15
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
16
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Pruebas de Hipótesis
Introducción:
Una hipótesis es una afirmación o suposición de una situación. Por ejemplo, al implementar la
solución de un problema se tiene una mejora ya sea en su media o en su varianza (variación).
¿La media antes de la mejora (A) es ¿La varianza antes de la mejora (A) es igual
igual a la media después de mejorar (B) a la varianza después de la mejora ( B)
17
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Form_1 Form_2
650 540
810 610
570 730
660 490
820 550
820 460
670 590
590 640
750 720
700 690
18
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Las hipótesis son las siguientes: Test for Equal Variances for Form_1, Form_2
Ho: Varianza form_1 = Varianza form_2 F-Test
Test Statistic 0.98
Ha: son diferentes Form_1 P-Value 0.974
Levene's Test
Instrucciones en Minitab: Test Statistic 0.00
P-Value 1.000
Form_2
Stat > Basic statistics >2- Variances OK
50 75 100 125 150 175 200
Seleccionar 95% Bonferroni Confidence Intervals for StDevs
Resultados:
Form_2
F-Test (Normal Distribution)
Test statistic = 0.98, p-value = 0.974 450 500 550 600 650 700 750 800
Data
19
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Resultados:
800
750
700
Data
650
600
550
500
450
Form_1 Form_2
Como el valor P =0.025 es menor que 0.05, o el cero NO está en el IC (14.1, 189.9)
Se concluye que Las medias de las formulaciones son diferentes
Ejercicio: Determinar a un nivel de confianza del 90% si hay diferencia entre las medias de
tiempos de sanitización de dos equipos A y B. Se toman muestras para comprobar la afirmación.
Equipo A Equipo B
25.2 18.0
17.4 22.9
22.8 26.4
21.9 24.8
19.7 26.9
23.0 17.8
19.7 24.6
23.0 21.0
19.7
16.9
21.8
23.6
20
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Ho: µA - µB = 0
Ha: µA - µB <> 0
Instrucciones de Minitab:
Stat > Basic satistics > 2 - Samples t
Samples in different Columns
First: Equipo A Second: Equipo B
Si las varianzas fueron iguales, seleccionar: Assume equal variances
Options: Confidence level 90%, Test Difference 0.0 Alternative Not equal
Graphs: Box plots of data
OK
Pruebas pareadas
NOTA: Se utilizan cuando se aplica el mismo tratamiento a los mismos sujetos, como cuando se
prueba el efecto de la capacitación antes y después del curso.
Ejemplo: Los tiempos de terminación para la tarea con un método mejorado y actual son, para el
mismo empleado son los siguientes. Probar a un 90% de nivel de confianza si los métodos dan los
mismos resultados.
Método_1 Método_2
6.0 5.4
5.0 5.2
7.0 6.5
6.2 5.9
6.0 6.0
6.4 5.8
21
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Planteamiento de Hipótesis
Instrucciones de Minitab:
Stat > Basic statistics > Paired test
Samples in columns
First sample Método_1) Second Sample: Método_2
Options: Confidence level 90% Test Mean 0.0 Alternative: Not equal
Graphs: Box plot of differences
OK OK
Resultados:
95% CI for mean difference:
T-Test of mean difference = 0 (vs not = 0): T-Value = 2.20 P-Value =
Como el valor P de la prueba t es mayor 0.080 a 0.05 se acepta Ho y las medias no son
diferentes.
Antes Después
5 6
4 6
7 7
3 4
5 3
8 9
5 7
6 6
22
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Instrucciones de Minitab:
DEPARTAMENTO
Instrucciones de Minitab:
Stat > ANOVA One way (Unstacked)
Responses (in separate columns) Depto_A Depto_B Depto_C
Comparisons: Tukey’s, family error rate 5
Graphs: Box plot of data
OK
Resultados:
Source DF SS MS F P
Factor 2 4.778 2.389 3.98 0.041
Error 15 9.000 0.600
Total 17 13.778
23
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Como el valor P de 0.041 es menor que 0.05, se concluye que las medias no son iguales.
De las gráficas de diferencias de Tukey, las medias de los procesos que son diferentes son (dado
que el cero no se encuentra en el intervalo de confianza de la diferencia de medias – Pairwise
comparisons):
Si son diferentes o no estadísticamente, se comprueba con la Prueba de Tukey con las gráficas:
Si el cero se encuentra en el intervalo de la diferencia entre dos medias, estas son iguales,
Si no se encuentra el cero en el intervalo, las medias son diferentes.
Ejercicio:
Probar a un 95% de nivel de confianza si hay diferencia significativa entre los tiempos de respuesta
de tres diferentes técnicos A, B y C usados para reparar un equipo. Comparar las diferencias entre
medias por el método de Tukey. Los datos ejemplo se muestran a continuación:
A B C
9 20 6
12 21 5
10 23 8
8 17 16
15 30 7
24
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Instrucciones en Minitab:
Stat > ANOVA One way (Unstacked) Un solo factor desapilado
Responses (in separate columns) A B C
Graphs Box Plots
Comparisons: Tukey’s family error rate 5
OK
De las gráficas de diferencias de Tukey, las medias de los procesos que son diferentes son (dado
que el cero no se encuentra en el intervalo de confianza de la diferencia de medias – Pairwise
comparisons):
Análisis Multi-vari
En el caso de algunas variables como la temperatura de tanques varía dependiendo del
lugar donde se tomen.
La variación puede ser lote a lote, tiempo a tiempo o dentro del lote, para analizar estos
tres tipos de variación se utiliza la carta Multi-vari. También sirven para investigar la
consistencia de un proceso.
Procedimiento de muestreo
Seleccionar el proceso y la característica a ser investigada
Seleccionar los lotes y frecuencia en el tiempo
Usar una hoja tabular para registrar el tiempo y los valores para cada lote
Graficar la carta con el tiempo o secuencia en el eje horizontal
Graficar los valores medidos en el eje vertical
Unir los valores observados con líneas apropiadas
Analizar la carta identificando la variación dentro del lote, entre lotes y en el
tiempo
Realizar estudios adicionales para concentrarse en las áreas problema
Después de la mejora, repetir el estudio para confirmar los resultados
A continuación se muestran las mediciones tomadas en cinco puntos de los tanques o
lotes, diferentes lotes secuenciales y su comportamiento en el tiempo.
25
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Temperatura
Temp. en 4 puntos
Número de lote
La interpretación de la carta es aparente una vez que se grafican los valores. Las ventajas
de las cartas Multi-vari son:
Por ejemplo:
Ejemplo descriptivo:
Un fabricante de láminas planas de aluminio lleva control del espesor después del rolado
en caliente. La especificación es de 0.245” ± 0.005”. El proceso ha producido desperdicio
ya que su Cp es de 0.8, el costo del desperdicio es de $20,000 por mes. Se ha pensado en
adquirir otra máquina con un costo de $800,000 y 6 meses de instalación.
26
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
8 AM 9 AM 10 AM 11 AM 12 AM
.0.2510”
0.2500”
0.2490”
Izquierda
Máximo
Derecha
Mínimo
El costo total de las mejoras fue de $8,000 tomando dos semanas para el proyecto y el Cp >1
cumpliendo con las especificaciones establecidas.
En Minitab:
File > Open worksheet > Sinter.mtw
Stat > Quality tools > Multi-Vari chart
Response Strenght Factor 1: Sinter time Factor 2: Metal type
OK
27
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
22
Strength
21
20
19
18
17
1 2 3
MetalType
Se observa que hay interacción entre el tiempo de templado (Sinter time) y el tipo de
metal templado (MetalType) que le proporciona una cierta resitencia.
Diagrama de Dispersión
El diagrama de dispersión es una técnica estadística utilizada para estudiar la relación entre dos
variables. Por ejemplo, entre dos parámetros o variables del proceso.
La variable del eje horizontal x normalmente es la variable causa, y la variable del eje vertical y es
la variable efecto.
La relación entre dos variables puede ser: positiva o negativa. Si es positiva, significa que un
aumento en la variable causa x provocará una aumento en la variable efecto y y si es negativa
significa que una disminución en la variable x provocará una disminución en la variable y.
Por otro lado se puede observar que los puntos en un diagrama de dispersión pueden estar muy
cerca de la línea recta que los atraviesa, o muy dispersos o alejados con respecto a la misma. El
índice que se utiliza para medir ese grado de cercanía de los puntos con respecto a la línea recta es
el índice de correlación r. En total existen cinco grados de correlación: positiva evidente (r = 1),
positiva, negativa evidente (r = -1), negativa y nula (r = 0).
28
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
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
La correlación se utiliza para cuantificar el grado en que una variable influye en el comportamiento
de otra. Por ejemplo si se encuentra que la variable presión tiene una correlación positiva con el
rendimiento de una caldera, se deben buscar soluciones al problema mediante acciones asociadas
con la variable presión; de lo contrario, sería necesario buscar la solución por otro lado.
Correlación: es una
medida de que tanto
están dos variables
correlacionadas
Regresión: Es la
ecuación matemática
que describe la relación
29
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Es el procedimiento para encontrar la línea recta que mejor “ajuste” a los datos, esto se
puede intentar hacer visualmente, tratando de minimizar la diferencia entre los puntos y
la línea, la ecuación de la recta de predicción es:
70
65
60
55
50
30 40 50 60 70
Tiempo de estudio (horas)
30
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Ejemplo: Se sospecha que el tiempo requerido para hacer un mantenimiento preventivo está
relacionado con su número. Calcular el coeficiente de correlación y graficar. Los datos de tiempo
tomados para n = 25 servicios se muestran a continuación:
X Y
Servicios Tiempo
1.2 101
0.8 92
1 110
1.3 120
0.7 90
0.8 82
1 93
0.6 75
0.9 91
1.1 105
Si todos los puntos estuvieran completamente sobre la recta la ecuación lineal sería
y = a + bx. Como la correlación no siempre es perfecta, se calculan a y b de tal forma que se
minimice la distancia total entre puntos y la recta. Los cálculos tomando las sumas de cuadrados
siguientes se muestran a continuación:
USO DE EXCEL
1. En el menú Herramientas seleccione la opción Análisis de datos. Datos de ejemplo anterior.
2. Seleccione la opción Regresión.
3. Seleccione el rango de entrada, estos corresponden a los datos numéricos de la tabla.
4. Seleccione Resumen de estadísticas.
5. En opciones de salida seleccione en Rango de salida, una celda de la hoja de cálculo que este en
blanco ( a partir de está celda serán insertados los resultados).
Resumen
Estadísticas de la regresión
Coeficiente de correlación
múltiple 0.981811778
Coeficiente de
determinación R^2 0.963954368
R^2 ajustado 0.962387167
Error típico 3.093419627
31
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
libertad F
Regresión 1 5885.852069 5885.852069 615.0800898 4.24118E-18
Residuos 23 220.0926348 9.569244992 Significativa
Total 24 6105.944704 Si es < 0.05
Stat > Regression > Fitted Line Plot ... Indicar la columna de Respuestas Y y la de predictores X,
seleccionar si se quiere ajustar con los datos con una línea, una función cuadrática o cúbica y
aceptar con OK. Observar el mayor valor del coeficiente de correlación que indica el mejor ajuste.
32
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
70 S 3.09342
R-Sq 96.4%
R-Sq(adj) 96.2%
60
50
Y Tiempo
40
30
20
10
0
0 5 10 15 20
X Servicios
Analysis of Variance
Source DF SS MS F P
Regression 1 1226.9 1226.9 26.25 0.001
Residual Error 8 374.0 46.7
Total 9 1600.9
Coeficiente de determinación
Es el cuadrado del coeficiente de correlación lineal, o sea:
Con los datos del ejemplo anterior:
𝑟 2 = 0.766
Por tanto se decir que el 77% de la variación en calificaciones puede ser explicada por la
variación en horas de estudio. r2 se encuentra en el intervalo entre 0 y 1.
Coeficiente de correlación
Es un indicador de la fuerza de la relación lineal entre dos variables Y y X denominado el
coeficiente de correlación de Pearson.
𝑟 = 0.875
33
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Y_Resistencia X_%Fibra
160 10
171 15
175 15
182 20
184 20
181 20
188 25
193 25
195 28
200 30
Conclusión:
34
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
Ejemplo:
35
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
36
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
37
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
El Análisis Efecto Modo Falla es una metodología para evaluar un sistema, diseño, proceso o
servicio, las posibles maneras en las que pueda fallar, los problemas, errores, fallas, riesgos que
puedan ocurrir.
El AMEF o FMEA ( Failure Mode and Effect Analisis) es una técnica de prevención, utilizada para
detectar por anticipado los posibles modos de falla, con el fin de establecer los controles
adecuados que eviten la ocurrencia de defectos.
Modo de Falla
38
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
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
Riesgo = Severidad x
MAXIMO PROXIMO Ocurrencia x Detección
Contabilidad 7 3 5 105
erronea
CON CLIENTE
Molestia
Insatisfacción
39
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
40
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
41
LEAN SIGMA: MÓDULO 2. FASE DE MEDICIÓN P. Reyes / Nov. 2009
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)
# de
Resultados Causa
Causa Causas Raíz
1 Ensamble de ojillos, bloques y SI ES CAUSA RAIZ
X
contrapesos no adecuados en
aspas.
2 Amortiguadores dañados. X
SI ES CAUSA RAIZ
3 Desgaste de bujes en los
carretes. NO ES CAUSA RAIZ
4 Fabricación y reemplazo de NO ES CAUSA RAIZ
ejes y poleas no adecuados en
ensamble de aspas.
Desalineamiento de poleas y
5 bandas de transmisión de SI ES CAUSA RAIZ X
aspas.
Método de Balanceo no
6 SI ES CAUSA RAIZ X
adecuado.
7 Desalineación de pinolas en NO ES CAUSA RAIZ
cuna.
42