Académique Documents
Professionnel Documents
Culture Documents
MEJORA DE LA FIABILIDAD.
EJEMPLO PRCTICO
Noviembre 2005
APLICACIN DEL MTODO CSP A LA MEJORA DE LA
Con agradecimiento.
permitieron ayudarles.
NDICE
INFLUYENTES? ....................................................................................................... 25
DE CONTROL? ........................................................................................................ 30
Ms informacin en www.cpk-ingenieros.com Pgina - 3
6. BIBLIOGRAFA .............................................................................................. 33
RESUMEN
ingeniera.
indicar que no todas ellas son originales, sino que en algunas de ellas Shainin se
conocimientos de estadstica muy elevados para poder aplicarlas, sino que siendo
ingeniero. Naturalmente esto facilita su uso por aquellos que estn ms prximos
La aplicacin ms habitual del mtodo CSP es investigar las causas que hacen
que equipos montados en una lnea no fallen, mientras que otros fabricados en la
misma lnea y con los mismos procedimientos, fallan. El concepto de fallo debe
3. Debe ser posible desmontar y volver a montar el equipo o sistema sin que se
destruya. Ver Figura 2. Como consecuencia de esta condicin, este mtodo
no sera aplicable a la investigacin de fallos de circuitos integrados, equipos
sellados, etc.
1
3
3
4 ES DECIR, NO SE DEBE DESTRUIR EL EQUIPO
POR EL DESMONTAJE.
5
6
Figura 2: Debe ser posible desmontar y volver a montar el equipo o sistema sin que se
destruya el equipo o sistema
el caso de la Figura 3. Como puede comprobarse, este caso rene las cuatro
deberse a:
D Buena
D Mala
CASO A) LAS BUENAS Y LAS MALAS CASO B) LAS BUENAS Y LAS MALAS
ESTN CLARAMENTE SEPARADAS NO ESTN CLARAMENTE SEPARADAS
D Buena
D Mala
Figura 6):
1. Las tres medidas de la unidad buena deben ser mejores que las tres medidas
de la unidad mala.
D > 1,25 * d
confianza del 95% la causa del problema (el Red X y el Pink X en terminologa de
Buena
D > 1,25d Mala
Aplicacin al ejemplo
RECORRIDO
UNIDAD MEDIDA 1 MEDIDA 2 MEDIDA 3 MEDIANA d
BUENA M 32 30 33 32 3
MALA M 10 9 8 9 2
D = 32 9 = 23
2+3
d = = 2,5
2
Por lo que podemos concluir que ambos grupos estn suficientemente separados
(es decir que la causa de los fallos est en alguno de los seis componentes).
Paso 2: Calcular los lmites de control dentro de los cuales pueden variar
los resultados del ensayo debido nicamente a causas aleatorias. es el
rango medio de los dos grupos de dos desmontajes (tres medidas en cada
grupo). Este clculo se hace de la siguiente manera:
30
20
10
Inicial D- 1 D-2
1 2 3 4 5 6 Capping run
30
20
10
Inicial D- 1 D-2
1 2 3 4 5 6 Capping run
30
20
10
Inicial D- 1 D-2
1 2 3 4 5 6 Capping run
Figura 10: Este subconjunto es causa del fallo pero existe otra causa adicional
Aplicacin al ejemplo
etc.
la causa de los fallos. Esto no coincide exactamente con lo que esperaban los
expertos, pero esta falta de acierto inicial no ha impedido llegar a una conclusin.
Componente Montaje Resultado Lmites de Lmites de Montaje Resultado Lmites de Lmites de Conclusin
cambiado "bueno" Control Control "malo" Control Control
inferior superior inferior superior
INICIAL = 32 28,2 35,8 = 10 5,2 12,8
D-1 = 30 28,2 35,8 = 9 5,2 12,8
D-2 = 33 28,2 35,8 = 8 5,2 12,8
Mediana 32 28,2 35,8 9 5,2 12,8
Recorrido 3 28,2 35,8 2 5,2 12,8
1 1 MR B 31 28,2 35,8 1 BR M 10 5,2 12,8
2 Pink X,
2 2 MR B 25 28,2 35,8 2 BR M 12 5,2 12,8 +
3 3 MR B 30 28,2 35,8 3 BR M 11 5,2 12,8
4 Pink X,
4 4 MR B 22 28,2 35,8 4 BR M 15 5,2 12,8 +
5 5 MR B 31 28,2 35,8 5 BR M 12 5,2 12,8
6 6 MR B 30 28,2 35,8 6 BR M 9 5,2 12,8
X BY BR M 31 28,2 35,8 X MY MR B 12 5,2 12,8
40
30
20
10
Inicial D- 1 D-2
1 2 3 4 5 6 Capping run
El ensayo debe confirmar que la primera unidad est dentro del rango de las
buenas, pese a tener todos los componentes malos salvo el Red X y el Pink X,
Aplicacin al ejemplo
Los datos obtenidos son 31 y 12 (ver Tabla 2 y Figura 12) que confirman a los
40
30
20
10
Inicial D- 1 D-2
1 2 3 4 5 6 Capping run
El anlisis factorial tiene como objetivo estimar los efectos principales de los
interacciones. Resulta que con los ensayos anteriores se han realizado suficientes
los que hay que ensayar, a qu niveles hay que hacerlo, etc., en caso de que no
sea factible abordar un diseo factorial completo (en este caso se hubieran
Aplicacin al ejemplo
ecuacin sera:
toman valor 1) o de los malos (en esa caso toman valor 1). En este caso y
8 RPLICAS
2 RPLICAS
Experimento Result.
Experimento Result.
20,000 31,000 Inicial B 32
2B 25
D-1 B 30
4M 15 Bueno D-2 B 33
1B 31
3B 30
5B 31
6B 30
Cap. Run B 31
SUBCONJUNTO 4
8 RPLICAS
Experimento Result.
Inicial M 10
D-1 M 9
D-2 M 8
2 RPLICAS
1M 10 Experimento Result.
3M 11 10,125 17,000 4B 22
5M 12 2M 12
6M 9
Malo
Cap. Run M 12
Malo Bueno
SUBCONJUNTO 2
Figura 13: En el ejemplo se han obtenido datos para un diseo factorial completo con
rplicas.
ESTADSTICAS
MENOS INFLUYENTES?
influyen. En efecto, supongamos que un proceso est afectado por dos causas de
T = 5 2 + 12 = 26 = 5,1
T = 5 2 + 0 = 25 = 5,0
T = (5 1)2 + 12 = 17 = 4,1
Sin entrar en una discusin sobre las ventajas y desventajas que presenta el uso
1. Las tres medidas iniciales se espera que estn influidas solo por lo que se
120
100
Frecuencia
80
60
40
20
0
-1,8 -1,2 -0,6 0,0 0,6 1,2 1,8
calidad (grficos X-R, etc.). Para tamaos de muestra pequeos (< 8) no hay
Este coeficiente corrige el sesgo para estimar la desviacin tpica a partir del
20 muestras.
d
=
d 2*
2 3 4 5 6 7 8
Nmero de Muestras (m) 8 1.17 1.72 2.08 2.35 2.55 2.72 2.87
LMITES DE CONTROL?
estadstico:
(x 0 )
t n 1
s
n
Se distribuye segn una t de Student con n-1 grados de libertad. En este caso:
d
s
d 2*
Ms informacin en www.cpk-ingenieros.com Pgina - 30
un contraste de hiptesis:
(x1 x2 ) (1 2 )
t n1 + n2 2
(n1 1)s12 + (n2 1)s22 1 1
n1 + n2 2 n n
+
1 2
En este caso:
D
= t 3 + 3 2
d 2 + 2 1 1
+
d 2* 3 + 3 2 3 3
D t 3+ 3 2 2
= *
d d2 3
D 2.78 2
= * = 1.25
d 1.81 3
6. BIBLIOGRAFA