Romeroyromero Prodfoco2011

Produo em Foco, v. 1, n. 1, p. 177, 200 jan./jun.
2011
Estudio R y R por atributos de un proceso de inspeccin en el sector automotriz Attribute Gauge R&R in an inspection process in the automotive industry
Dr. Luis F. Romero D. (lromero@industrial.uson.mx, Universidad de Sonora, Mxico) Ing. Diana Lucia Romero Borbn (diana_romerob@hotmail.com, Universidad de Sonora, Mxico) Resumen: En una empresa del ramo automotriz se plantea corroborar la existencia de diferencias entre los inspectores al momento de aplicar los criterios al realizar su trabajo. Esto puede ocasionar variantes en la percepcin de la calidad en los productos que son utilizados en operaciones posteriores y, tambin, afectando la uniformidad en la apariencia de los artculos producidos y elaborando desperdicios inesperados. En situaciones como estas se han aplicado los estudios de Repetitividad y Reproducibilidad (GRR) con xito para identificar la existencia de variabilidad entre y dentro de diversos procesos en una organizacin mediante variables o atributos. Como en este caso, donde la inspeccin se realiza visualmente se consider pertinente utilizar para este estudio el mtodo de anlisis de riesgo. Como resultado, se corrobor la existencia de diferencias de criterio entre los inspectores al momento de realizar su trabajo. Palabras claves: Anlisis de Riesgo; Atributos; Estudios de Repetitividad y Reproducibilidad Abstract: In an automotive industry process assessment differences between inspectors has been identified. This may cause differences in the quality of the product as the product moves along in the process, also affecting the appearance of the finished product and perhaps creating more waste than expected. In this research project, differences among visual inspection assessment were found trough an R&R study using the risk analysis method. On other studies, the success rate on this method has been very good at identifying visual differences in a production process. As a result of this research, criteria difference between inspectors was found during inspection. Keywords: Risk Analysis, Attribute, GRR 1. Introduccin Actualmente la calidad en los productos y/o servicios ha alcanzado mucha relevancia ante los ojos de los estudiosos y, particularmente es trascendental para conservar la lealtad de los consumidores. Esto impulsa al personal de las organizaciones a buscar y desarrollar tcnicas que faciliten y validen la calidad de los productos que sern enviados al mercado. Entre las diversas tcnicas que se disponen existen algunas que nos permiten evaluar ciertos parmetros que no pueden ser medidos cuantitativamente, por lo que se requieren de tcnicas apropiadas para indicar si el producto cumple con los atributos de calidad mnimos esperados
177
D. Romero, L F. et. al. Estudio R y R por atributos de un proceso de l sector automotriz. Produo em Foco, v. 1,n. 1, p. 177, 200 jan/jun 2011
y satisfacer, primero con las especificaciones y, en consecuencia con las expectativas de los clientes. El control de calidad, un rea importante de la ingeniera industrial, se han desarrollado los estudios de Repetitividad y Reproducibilidad (R&R) que mediante diferentes procedimientos tratan de identificar si el trabajo realizado por los inspectores se realiza o no de manera consistente y eficiente. Es decir, si el trabajo de inspeccin identifica las fallas del proceso de produccin antes de que los artculos lleguen a las siguientes operaciones generando trabajo adicional en piezas que no lo debieran de recibir, o bien, rescatando aquellas consideradas como posibles defectuosas, evitando en todo caso desperdicio de los recursos disponibles y adems, antes de que lleguen al cliente y finalmente al ltimo consumidor. En el trabajo desarrollado en esta investigacin se usar la tcnica R&R por atributos en una empresa del ramo automotriz donde se menciona tienen discrepancias en la calidad de sus productos y consideran que obtienen productos con mucha variabilidad despus de la primera operacin (inyeccin de resinas) y que durante el trabajo de inspeccin que se realiza no es uniforme, por tanto los subproductos obtenidos de esta operacin, no se estn identificando oportunamente. Por ello, es importante estudiar este proceso de inspeccin para identificar, reducir o eliminar la existencia de posibles discrepancias estudiando los procedimientos aplicados por los inspectores al calificar los atributos de los artculos de la produccin en proceso mediante el mtodo de anlisis de riesgos en un estudio Repetitividad y Reproducibilidad (R&R). La medicin de los resultados obtenidos muestra que se tiene un problema en el acabado de uno de sus productos principales. El producto presenta burbujas de aire en su superficie proporcionando, en consecuencia, una apariencia poco atractiva en la pieza. Este acabado imperfecto, ocasiona que deba ser rechazado en la inspeccin, o que al continuar en el proceso sea devuelto para re-trabajo o su destruccin; y en ltima instancia, sea un producto rechazado por el usuario final, en caso de llegar en estas condiciones al cliente. Ambos casos, impactan a la empresa de una manera directa al utilizar ms recursos de los
178
requeridos al realizar el reproceso o al descartar el artculo como inaceptable para el proceso de produccin. Por esta razones se piensa que pueden existir diferencias en los criterios y su aplicacin al decidir si la pieza cumple o no con las normas de calidad deseables, que pudiera existir diferencia al realizar los procedimientos de inspeccin, o que existen diferencias entre aquellos que realizan la inspeccin; lo cual no solo afecta la apariencia del producto final, sino tambin afecta la imagen y la confianza que los clientes tiene en el nombre y productos de la empresa de referencia. El objetivo general del artculo es el identificar la concordancia existente entre varios evaluadores utilizando el mtodo de Anlisis de Riesgo. Para efectos de este trabajo de investigacin, se descartaron totalmente los estudios de R&R para variables continuas o de mediciones cuantitativas, porque no existe una herramienta la cual pueda identificar si los defectos que tiene la pieza a inspeccionar cumple o no con los requerimientos establecidos por el cliente. De igual forma, los estudios de R&R para pruebas destructivas fueron descartados porque no es necesario deshacer la pieza totalmente para identificar si cumple o no con los dichos requerimientos; puesto que no se est trabajando con pruebas de dureza o resistencia. 2. Justificacin En una organizacin es de suma importancia mantener la uniformidad en la calidad de sus productos, por lo que es importante tener claro cules son los procedimientos que se utilizan en un proceso de inspeccin; para de esta forma identificar, reducir o eliminar la existencia de posibles discrepancias en los procedimientos aplicados por los inspectores al calificar los atributos de los artculos de la produccin en proceso mediante el mtodo de anlisis de riesgos (MAIO M. J., 2010). Dogan, et. al. (2011) resaltan la importancia de las actividades alineadas con los objetivos organizacionales y en consecuencia, sus procesos claves tambin. Esto obliga a desarrollar todas las actividades con efectividad implicando el uso racional y ordenado de sus recursos y facilitar que los productos vayan oportunamente a los mercados seleccionados. Tambin esto implica que los procesos de inspeccin deben estar alineados y forman parte de
179
las actividades clave de cualquier organizacin. Estas observaciones tambin se refuerzan con las experiencias programticas que se han observado en la industrial ya que mediante la identificacin oportuna de fallas en los mtodos de trabajo, su documentacin y su retroalimentacin se han reducido los errores y las quejas de los CLIENTES (HANNON C., GROSSMAN S., 2011). En consecuencia, el obtener productos que ofrezcan una calidad con poca variabilidad puede permitir a una organizacin disponer de un crecimiento sostenido apoyada en una plataforma de consumidores leales y satisfechos (HAYES B. E., 2011). 3. Discusin terica Al momento de considerar la compra de un artculo o la solicitud de un servicio, una de las primeras preguntas que vienen a la mente es: Ser un producto de buena calidad?, pero Qu se entiende por buena calidad? Calidad es que un producto sea adecuado para su uso. As, la calidad consiste en ausencia de deficiencias en aquellas caractersticas que satisfacen al cliente (Juran, 2010). La norma ISO 9000:2000 define calidad como Grado en el que un conjunto de caractersticas inherentes cumplen con los requisitos. Cuando se razona sobre calidad, un aspecto muy importante a resaltar es el determinar cmo ser medido el concepto de calidad, es insuficiente decir que se tiene un producto de calidad, tambin es importante establecer que es necesario corroborar esa informacin y obtener evidencias de conformidad con respecto a las referencias correspondientes. Inicialmente, esto se hace definiendo cuales son las caractersticas que el cliente busca en el producto/servicio, para despus decidir cmo esa caracterstica es apropiadamente medida, como el intervalo de aceptacin es establecido y tambin, como ser la planeacin y el registro pertinente del anlisis. La evaluacin de un sistema de medicin se hace con el fin de incrementar la confianza de los clientes y ganar la lealtad hacia el producto que adquieren. Adems, se apoya la toma de decisiones para encontrar mejoras, incrementar la eficiencia en el uso de recursos, entre otras ventajas. Cuando se desarrollan los estudios bajo condiciones estables, se refiere por ejemplo, a que todos los operadores utilicen la misma herramienta para hacer alguna
180
medicin, que midan las mismas piezas, que sigan el mismo procedimiento, en caso de ser inspeccin por atributos, que sigan el mismo procedimiento de inspeccin, que tengan el mismo criterio sobre que es un defecto; adems, que estas mediciones se realicen de forma aleatoria, para que todas las piezas tengan la misma probabilidad de ocurrencia, y que el resultado de la medicin no se afecte por la curva de aprendizaje. La calidad de la medicin o de evaluacin de la informacin est definida por las propiedades estadsticas de mediciones o de evaluaciones mltiples obtenidas de un sistema de medicin o de evaluacin en condiciones estables. Las medidas de dispersin son medidas estadsticas utilizadas comnmente para caracterizar la calidad de los datos como el sesgo y la varianza del sistema de medicin o de evaluacin. La propiedad denominada sesgo se refiere a la ubicacin de los datos en comparacin con la referencia (valor maestro) y la varianza, representa la variabilidad promedio de la lejana de cada valor en relacin con una medida de centralizacin. Los Estudios R&R son el resultado de la combinacin de la variacin de repetibilidad y reproducibilidad para un sistema de medicin. La variacin R&R (Gauge R&R o GRR) es igual a la suma dentro del sistema y las variancias entre el sistema. Entendindose como repetitividad al resultado de la variacin de repeticiones sucesivas bajo ciertas condiciones de medicin, realizadas por un mismo operador; y por reproducibilidad, usualmente se refiere en las diferencias de medicin de una misma pieza entre diferentes operadores utilizando el mismo mtodo y el instrumento de medicin en un ambiente estable. A lo largo de los aos, se han identificado diversos mtodos para evaluar y estudiar los sistemas de medicin donde se pueden identificar aquellos que son para variables continuas (mediciones cuantitativas), es decir, aquellos cuya caracterstica de calidad puede ser producto de una medida. Por otro lado, se identifican aquellas cuyas caractersticas de calidad que se miden por medio de apreciacin o atributos. Las siguientes formas son variantes de estudios R&R:
181
estudio largo Este estudio evala la confiabilidad del sistema de medicin/evaluacin, determinando cuanta de la variabilidad es atribuible a la repetibilidad y cuanta a la reproducibilidad. Utiliza varias repeticiones, y se pueden verificar la informacin estadstica por el mtodo ANOVA o algn otro; estudio corto Este mtodo se realiza con pocas replicas, por tanto, no proporciona informacin con mucha exactitud. Se utiliza como estudio de diagnostico, o como mtodo de control una vez que se estabiliza el proceso; para pruebas destructivas; para atributos. La aplicacin de un estudio R&R con variables discretas (por atributos) trata de reducir o eliminar el impacto de la subjetividad del dictamen de los evaluadores de calidad, ya que su dictamen es el resultado de la apreciacin personal, experiencia y nivel de preparacin del evaluador. Adems, este estudio permite conservar un sistema de medicin confiable garantizando los estndares de calidad establecidos para el producto, servicio o procesos se cumplan y as evitar las quejas de clientes y el rechazo del producto o servicio. Los estudios R&R por atributos se han siguiendo estos mtodos: mtodo de anlisis de riesgo; mtodo analtico; mtodo de la teora de seal. Para efectos de este trabajo de investigacin, se descartaron totalmente los estudios de R&R para variables continuas o de mediciones cuantitativas, porque no existe una herramienta la cual pueda identificar si los defectos que tiene la pieza a inspeccionar cumple o no con los requerimientos establecidos por el cliente. De igual forma, los estudios de R&R para pruebas destructivas fueron descartados porque no es necesario deshacer la pieza totalmente para identificar si cumple o no con los dichos requerimientos; puesto que no se est trabajando con pruebas de dureza o resistencia. En el caso de los estudios de R&R por atributos se resaltan los siguientes aspectos:
182
el mtodo Analtico es catalogada en los estudios de R&R por atributos, se necesita una referencia cuantitativa para poder aplicar el mtodo; esto es porque es necesario tener las especificaciones del cliente de manera cuantitativa y por medio del conteo identificar cuantas piezas pertenecen a cada clasificacin existente. Adems, para identificar si los valores del R&R son relevantes se hace utilizando un estadstico de tablas de la distribucin binomial, pero como dicho mtodo utiliza ms de 30 piezas para su realizacin los valores obtenidos son aproximados por medio de una distribucin normal; el mtodo de Teora de la Seal, al igual que el anterior es catalogado como una tcnica para variables por atributos, pero tambin utiliza variables cuantitativas y un cdigo para establecer el valor de referencia, y lo que se cuenta es cuantas piezas se encuentran en la variable cuantitativa previamente establecida. En este caso de estudio, se estar trabajando con variables discretas donde cada inspector hace evaluaciones buscando caractersticas en el producto por atributos binarios y donde solamente son aceptables dos valores, pasa o no pasa, al analizar las caractersticas estticas de los productos. El mtodo de Anlisis de Riesgo es una tcnica no destructiva que trabaja con variables categricas (Gutirrez P.H., de la Vara S. R, 2004). Normalmente se utiliza para el control de calidad, en especial en estudios R&R y mejora el control en la calidad en los productos; es decir, que todos los productos sean idnticos a la calidad que el cliente estar esperando. Esta tcnica evala la concordancia o discordancia entre las opiniones de expertos y consiste en conocer: si existe variacin entre los operadores al momento de tomar una decisin; si existe variacin entre el operador y el estndar (valor de referencia), que en este caso puede ser los inspectores de mayor experiencia o el personal del proceso que recibe estos artculos. Cuando se desea conocer la variacin entre los inspectores en la toma de decisin, se utiliza el estadstico Kappa (K) (Di Eugenio B., Glass M.; 2004), el cual es definido como el porcentaje de consenso entre evaluadores. Futrell (1995), define ste estadstico como la
183
proporcin de acuerdo entre los evaluadores, una vez que se han removido los acuerdos previos por la probabilidad. Si el acuerdo entre evaluadores no es bueno, entonces el error tipo alfa (artculos buenos son rechazados) y el error tipo beta (artculos malos son aceptados) deben ser considerados al manejar los datos. caractersticas: datos de Atributo / Cualitativos / Pasa No pasa; trata todos los errores de clasificacin igual; las consecuencias de calificar algo bueno cuando es malo es igual a las consecuencias de clasificar algo malo cuando es bueno; utilizado en datos categricos; las decisiones son independientes unas de otras; todas las clasificaciones son independientes entre s; las categoras son mutuamente exclusivas y exhaustivas; una clasificacin se puede utilizar ms frecuente que otra. Martnez Berber (2007), hizo notar que el estadstico kappa que utiliza Futrell en sus estudios es para evaluar sistemas en escala nominal, de tipo binario. Dichas pruebas se realizan haciendo uso de comparaciones pareadas entre evaluadores; mientras que para el caso de sistemas en escala ordinal, propone el empleo de un mtodo basado en la correlacin interclases. Adems, este estadstico solamente determina la diferencia al medir de los evaluadores, sin embargo no indica que tan buena es la medicin comparada con el valor de referencia. Incluso, para que este estadstico pueda ser utilizado es necesario crear matrices de comparacin entre los evaluadores, puesto que para cada matriz vamos a hacer una calculacin del estadstico Kappa; la operacin para conocer el valor de kappa es la siguiente: (1) Donde: po = La suma de las proporciones observadas en la diagonal. pe = La suma de las proporciones esperadas en la diagonal. Este estadstico tiene las siguientes
184
La siguiente tabla, muestra el significado en intervalos de los valores que pudiera tener kappa durante la evaluacin:
Tabla 1.Valores del estadstico Kappa
0.90 1.00 0.70 0.89 0.50 0.69 0.00 0.49
El sistema de medicin es excelente El sistema de medicin es capaz, pero necesita mejoras El sistema de medicin es marginal necesita mejoras El sistema de medicin es inaceptable
Si el valor del estadstico es menor a 0.70 entonces es probablemente algn error con la clasificacin de la definicin operacional, posiblemente sea muy ambiguo, o el evaluador pudiera necesitar entrenamiento. Si despus de realizada una prueba, el estadstico kappa tiene un valor igual a 1, esto quiere decir que existe un acuerdo perfecto entre los evaluadores, o que el evaluador tiene un acuerdo perfecto con el estndar. Mientras que si el estadstico kappa tiene un valor igual o menos a cero significa que el nivel de acuerdo es el mismo que el esperado por la probabilidad. 4. Metodologa Para poder realizar la prueba de inspeccin de calidad utilizando el mtodo de anlisis de riesgo, se utilizaron los siguientes recursos: se obtuvieron 30 piezas de la lnea de produccin seleccionadas por el responsable de conducir este experimento; cada pieza era evaluada siguiendo un orden, enumeradas del 01 al 30; se dispuso de un formato para registrando la evaluacin por cada operador. Entre los participantes se tomaron en cuenta a todos los inspectores disponibles en tolos tres turnos que labora la empresa: 3 operadores en el primer turno, 3 operadores en el segundo turno y 1 operador en el tercer turno.
185
Para establecer el valor de referencia estndar de las piezas, se decidi que se estableciera por los responsables del rea de calidad y de produccin del siguiente proceso en la lnea. Esto se hizo con la finalidad de conocer de primera mano las necesidades del cliente; lo cual es de suma importancia porque as se asegura la satisfaccin del mismo; por lo que se desea incorporar la voz del cliente para establecer el criterio de calidad, siguiendo esa lnea se considera indispensable la colaboracin de los encargados de cada rea. Los responsables de calidad, adems de asegurar la satisfaccin del cliente, son los encargados de que cada evaluador siga el mismo procedimiento de inspeccin y que todos los evaluadores conozcan y tengan muy claro cules son los defectos que se estn buscando en la pieza inspeccionada. Cada pieza se revis 2 veces, al principio y al final del turno de cada evaluador; esto es porque al principio no se tiene tanta experiencia revisando las piezas como al final del turno, as mismo, es una forma de neutralizar las decisiones que pudiera tomar el evaluador relacionadas con el cansancio fsico y mental. Para la realizacin de esta prueba, se seleccionaron 30 piezas, de las cuales, 17 piezas son entre malas y retrabajadas, donde se trat de que cada pieza presentara diferentes defectos y que no se repitieran. Mientras que las 13 piezas restantes eran piezas buenas. La persona que se encarg de anotar las decisiones de los evaluadores era la nica que conoca a que clasificacin perteneca cada pieza; adems de ser la encargada de seleccionarlas; que en este caso, el responsable de conducir la prueba fue el encargado del rea de calidad. Para esta prueba, las piezas fueron enumeradas, para facilitar la identificacin de cada una de ellas, pero no se le dijo al evaluador que pieza estaba evaluado para tratar de evitar que diera el mismo dictamen que la primera vez que evalu la pieza cuando su decisin haba cambiado. El formato donde se estaba llevando el registro de la informacin que proporcionaba el evaluador es una copia del formato que viene en el manual de Measurement System Analysis (MSA) del manual Automotive Industry Action Group (AIAG, 2002).
186
Se hace la comparacin entre evaluadores del mismo turno. Y para poder hacer la comparacin en el tercer turno, se tom la informacin del mejor evaluador del primero y segundo turno. Esto se hizo porque no existan suficientes evaluadores en el tercer turno para poder hacer una comparacin entre evaluadores; entonces para poder aplicar sta tcnica se hizo ese ajuste. Se seleccionaron los mejores evaluadores de cada turno porque son los que tienen un mayor nivel de concordancia con lo establecido por el estndar. Adems, se realiz la comparacin de cada evaluador contra el estndar establecido, para conocer si concuerda su opinin. El propsito de esta prueba es conocer si existe diferencia de criterios entre los evaluadores; para que en caso que as sea, poder identificar las causas y reducir las diferencias de criterio o procedimiento requeridos para que se obtenga y conserve un producto con caractersticas y apariencias mas homogneas y se incremente las posibilidades de tener un artculo de alta aceptacin, primero por el cliente interno y, en consecuencia, despus por el cliente externo; adems, de contar con un equipo con una mayor moral al producir artculos con excelente aceptacin y al desarrollarse en una empresa con resultados ms prometedores. El anlisis de la informacin capturada ser analizado de la siguiente forma: se realizar un anlisis comparando primero entre los operadores de cada turno; esto es con la finalidad de poder conocer el nivel de concordancia entre los operadores; una vez que se conoce dicho nivel, en caso de que se tenga un buen nivel de concordancia (segn lo establecido por el estadstico kappa), se deber tener registro de cules son los procedimientos que siguen los inspectores, con el fin de que los inspectores que pudieran tener un nivel menor puedan mejorar. As mismo, en caso que no se tenga un buen nivel de concordancia, se buscar identificar cules son los factores que influyen, para aumentar dicho nivel; despus, se har una comparacin de cada evaluador contra el valor estndar o de referencia, el cual, fue previamente establecido por uno o varios expertos. En este punto, se desea identificar que tantas veces el inspector acepta una pieza cuando debe ser aceptada, y la rechaza cuando se debe ser rechazada.
187
5. Anlisis de los Resultados Para poder analizar la informacin de manera prctica, se analizar: cada turno en orden, es decir, como van entrando los inspectores cada da; el primer turno es el matutino, el segundo es vespertino y el tercer es nocturno. De igual forma, cada inspector fue realizando la prueba en el orden en que se presentaron a trabajar al turno correspondiente. As mismo, a continuacin se presenta el anlisis de la informacin recabada por turno. Turno 1 En el primer turno, se tienen 3 inspectores, los cuales trabajan de forma simultnea durante su turno de trabajo. Se fue apartando cada inspector a cmo iba llegando al lugar de trabajo, esto con la finalidad que los otros evaluadores no estuvieran presentes cuando uno ya estaba haciendo la prueba. En el apndice 1 se muestra la informacin recogida en el turno 1. A continuacin se muestran las matrices de datos cruzados por parejas de inspectores en donde se plasma las evaluaciones correspondientes por parejas de inspectores las cuales se muestran enseguida. Para poder aplicar la tcnica de anlisis de riesgo, es necesario separar en pares a los evaluadores, de tal forma que todos sean comparados entre ellos; es decir, el evaluador 1 con el evaluador 2, despus el evaluador 1 contra el evaluador 3; y para finalizar, el evaluador 2 contra el evaluador 3. En dichas matrices de tamao 2x2 se ver reflejado cuando se los evaluadores estuvieron de acuerdo en aceptar o rechazar la pieza; adems de cuando aceptaron pero debieron haber rechazado y viceversa. Las Tablas 2, 3 y 4 muestran los clculos para el estadstico kappa, como po que son las proporciones observadas en la diagonal y pe que indica las proporciones esperadas de la diagonal, una vez calculados estos valores, se puede identificar el nivel de acuerdo en el que se encuentran los evaluadores, los cuales se muestran en la Tabla 5.
188
Tabla 2. Datos cruzados del inspector 1 con el inspector 2
1 * 2 Datos Cruzados 2 Total Pass Fail Conteo 26 3 29 Pass Conteo Esperado 17.9 11.1 29.0 Conteo 11 20 31 Fail Conteo Esperado 19.1 11.9 31.0 Total Conteo 37 23 60 Conteo Esperado 37.0 23.0
Tabla 3. Datos cruzados del inspector 1 con el inspector 3
Tabla 4. Datos cruzados del inspector 2 con el inspector 3.
Una vez que se obtuvieron las matrices de datos cruzados para el primer turno se procede a calcular el estadstico kappa, del cual se resumen los resultados en las tabla 5.
189
Tabla 5. Tabla de relaciones entre los inspectores del Turno 1.
Kappa 1 2 3
1 0.54 0.56
2 0.54 0.41
3 0.56 0.41 -
Para analizar la informacin de la tabla 5, se utilizarn los valores de referencia del estadstico kappa localizados en la tabla 1, por lo que puede decirse que: inspector 1 y el inspector 2 Como en esta comparacin se tiene el valor de 0.54 kappa, se puede concluir que el sistema de medicin es marginal, y con campos de mejoras; inspector 1 y el inspector 3 En este caso, el valor de comparacin es de 0.56, concluyendo que el sistema de medicin es marginal, y con campos de mejoras; inspector 2 y el inspector 3 En el tercer caso, su valor es menor que en las otras 2 comparaciones, siendo 0.41, por lo que se deduce que el sistema de medicin es inaceptable. Para comparar a cada inspector contra el estndar, tambin se utiliza el estadstico kappa, la diferencia que se tiene al hacer comparaciones entre inspectores y realizar comparaciones entre inspector y el valor de referencia es que en esta ltima la tabla de datos cruzados se realiza comparando el evaluador contra el valor de referencia; como el trabajo de las tablas cruzadas sigue el mismo procedimiento que los anteriores, solamente se presentarn los valores del estadstico, por lo que los datos obtenidos son los siguientes:
Tabla 6. Inspectores contra el estndar del turno 1
1 Referencia 0.43
2 0.64
3 0.72
Al igual que al hacer la comparacin entre inspectores, stos resultados tambin sern comparados contra la tabla 1, por lo que se puede concluir lo siguiente, el cual se presentar de manera descendente: el inspector 3, tiene un valor correspondiente al estadstico kappa de 0.72, por lo que est de acuerdo con el estndar, y su nivel de acuerdo es capaz;
190
el inspector 2, su valor del estadstico es de 0.64, por lo que se concluye que se encuentra en un nivel marginal, pero con campo de mejora; el inspector 1, tienen trabaja con un valor del estadstico kappa de 0.43, por lo que se deduce que no tiene tanta afinidad con el estndar, por lo que se considera un nivel inaceptable. Turno 2 En el segundo turno, al igual que en el turno 1, se tienen 3 inspectores, en el apndice 2 se muestra la informacin recolectada en el formato preestablecido por el MSA. De manera similar al turno anterior, nuevamente se realizarn los pares, igual que en el turno uno para realizar las comparaciones utilizando ste mtodo: Las matrices de datos cruzados, se proporcionan en las tablas 7, 8 y 9, a continuacin:
Tabla 7. Datos cruzados del inspector 1 con el inspector
191
De las Tabla 7, 8 y 9, se exponen las proporciones observadas en la diagonal (po) y las proporciones esperadas de la diagonal (pe), para a travs de estos valores calcular el estadstico kappa e identificar el nivel de acuerdo en el que se encuentran los evaluadores en este turno. La tabla 10 muestra las relaciones y niveles de acuerdo entre los inspectores del turno 2 mediante el estadstico kappa:
Tabla 10. Tabla de relaciones entre los inspectores del Turno
Kappa 1 2 3
1 0.46 0.59
2 0.46 0.42
3 0.59 0.42 -
Si se hace la interpretacin de los datos, el nivel de acuerdo entre los inspectores 1 y 2, se puede observar que se tiene un estadstico kappa igual a 0.49, mientras que los inspectores 2 y 3 tienen un 0.42 de estadstico kappa, lo cual, tanto en el primero como el segundo caso del turno 2, ambas comparaciones trabaja con niveles inaceptable, y por ltimo, la relacin entre los inspectores 1 y 3 tiene un valor estadstico kappa de 0.59, lo que significa que tiene un nivel d tabla 11. e concordancia marginal, pero con campo de mejora. El nivel de acuerdo de los inspectores contra el estndar establecido es mostrado en la
192
Tabla 11. Inspectores contra el estndar del turno 2.
1 Referencia 0.46
2 0.46
3 0.71
En esta tabla, puede decirse que el inspector 3, con un valor 0.71 del estadstico kappa es quien tiene el mayor nmero de acuerdos con el estndar, por lo que su nivel de concordancia es capaz, mientras que los operadores 1 y 2 con un valor de 0.46 del estadstico kappa, por lo que tienen un nivel inaceptable. Turno 3 En este turno, solamente se tiene un inspector, por lo que la comparacin se realiz con los inspectores que tuvieron el nivel de concordancia ms alto contra el estndar de los turnos anteriores; y los datos se muestran en el apndice 3. Las Tablas 12, 13 y 14, muestran las matrices de datos cruzados de donde se obtuvieron po que son las proporciones observadas en la diagonal y pe que indica las proporciones esperadas en la diagonal, para poder calcular el estadstico kappa, el cual se muestra en la Tabla 10. Por lo que a continuacin, se muestran las matrices de datos cruzados con la separacin por partes para el tercer turno, vase las tablas 12, 13 y 14.
193
Un resumen de la comparacin de las evaluaciones entre los inspectores se muestra enseguida en la tablas 15.
Tabla 15. Tabla de relaciones entre los inspectores del Turno 3.
Kappa 1 2 3
1 0.65 0.72
2 0.65 0.72
3 0.72 0.72 -
Aqu, puede observarse que los niveles de acuerdo entre los inspectores 1 y 2 con valores 0.65 del estadstico kappa es marginal, con niveles de mejora, mientras que entre las parejas de inspectores 1 y 3, y 2 y 3 tienen un valor de 0.72 del estadstico kappa tienen un nivel capaz.
194
En la tabla 16 se muestra los niveles de acuerdo de cada inspector contra el estndar:

Tabla 16. Inspectores contra el estndar del turno 3.
1 Referencia 0.59
2 0.72
3 0.71
Se puede observar que el inspector 2 con un valor del estadstico kappa igual a 0.72 es el que tiene el mayor nivel de concordancia contra el estndar, el inspector 3 tienen un valor de 0.71 y el inspector 1, quien es el correspondiente al turno 3, tiene un valor de 0.59; de donde pidiera concluirse que todos los niveles son aceptables; es decir, los inspectores, la mayora de las veces estn de acuerdo con el estndar. 6. Conclusiones En general, si se toma un anlisis descriptivo centralizado de los resultados obtenidos con el estadstico kappa durante el primer turno, se pudiera decir que el turno trabaja con un nivel de concordancia marginal, con campo para mejoras; mientras que las medidas de centralizacin, que se obtuvieron de los resultados del turno 2 con el estadstico kappa, muestra que este turno trabaja con un nivel de concordancia inaceptable; por lo que se puede concluir que existe mucha diferencia de criterio entre los evaluadores; Con medidas de centralizacin que se obtuvieron en el tercer turno, se puede decir que trabaja en niveles capaces, todava con oportunidades para mejorar. Durante la prueba, se observ que algunos inspectores desconocan algunos de los defectos que tenan que evaluar, lo que pudo haber causado algn tipo de confusin al aplicar la tcnica, y pudo haber creado algn sesgo en los resultados obtenidos; por lo que se recomendara dar instrucciones de manera clara desde un principio, y hacer nfasis en que no deben quedar duda en los evaluadores sobre que defectos deben inspeccionar en la pieza. Adems, se observ que existen diferencias en el procedimiento de inspeccin debido a que las secuencias de revisin se efectan de diversas maneras sugiriendo la ausencia de induccin o de procedimientos definidos para desarrollarlos.
195
Puesto que los resultados mostraron que existe un nivel muy alto de desacuerdo entre los inspectores se puede concluir la posibilidad de ausencia de un procedimiento de inspeccin establecido para poder identificar exitosamente los defectos en la pieza; por lo que los resultados sugieren la necesidad de reentrenamiento entre los inspectores para eliminar una posible fuente de variabilidad en esta funcin. 7. Recomendaciones Para establecer los criterios de evaluacin, se debera de tomar en cuenta las necesidades del cliente interno e inmediato a esta estacin de trabajo, es decir, las necesidades del siguiente proceso en produccin. Se deben identificar aquellos aspectos indeseables por cliente para buscar corregir el proceso e identificar las fuentes de desperdicios; o en su defecto, que apoyar a que los inspectores de calidad detecten oportunamente aquellos artculos que puedan ser retrabajados. Puede ser deseable que se discuta y se llegue a un acuerdo para establecer un procedimiento de revisin con el cual se uniformice el procedimiento de evaluacin a utilizar en el mtodo de evaluacin, con el fin de reducir una posible fuente de variabilidad. Al principio, puede parecer difcil que acuerden una forma de inspeccin comn pero puede esperarse que con la prctica (curva de aprendizaje) obtengan mayor pericia en esta actividad y se vea reflejado en los resultados de otro estudio posterior, donde quiz se observe un nivel mayor de concordancia entre los evaluadores. Se sugiere desarrollar un manual donde adems de definir el procedimiento se incluya un catlogo de imgenes que cubra exhaustivamente, en lo posible, ejemplos de defectos que pudiera tener la pieza, y que al momento de inducir, entrenar nuevos inspectores o en caso de duda, los inspectores dispongan de ayudas visuales para minimizar las inquietudes al momento de desarrollar su trabajo. Adems, es recomendable que se realice otra prueba, utilizando este mismo mtodo de Anlisis de Riesgo, pero tomando en consideracin algunos cambios: reuniones de reentrenamiento donde se cubran las recomendaciones propuestas aqu, buscando lograr consensos y disminuir o eliminar posibles fuentes de la variabilidad de opinin entre los
196
inspectores. As mismo, es deseable que las piezas se proporcionen de manera aleatoria a los evaluadores buscando que las piezas por inspeccionar tengan la misma probabilidad de ser evaluadas objetivamente. Debe de resaltarse que despus de este ejercicio ser importante reunir a todos los inspectores, de los tres turnos, para hablar sobre que dificultades encontraron ellos al momento de hacer la prueba y buscar soluciones de manera consensada. 8. Referencias
AUTOMOTIVE INDUSTRY ACTION GROUP (AIAG); Measurement System Analysis, Reference Manual; 3rd Edition, 2002; www.aiag.org DI EUGENIO B., GLASS M.; The Kappa statistic: a second look; Computational Linguistics, Volume 30 Issue 1, pp. 95-101, 2004. DOGAN C. A., GJENDEM F. H., RODYSILL J.; Fueling Supply Chain Transformation; APICS, Volume 21, number 4, pp. 38-43, 2011. FUTRELL, D.; When Quality is a Matter of Taste, use Reliability Indexes; Quality Progress, May, pp. 81-86, 1995. GUTIERREZ P. H., DE LA VARA S. R.; Control Estadstico de Calidad y Seis Sigma; Mxico: McGrawHill, 2da. Edicin, 2009. HANNON C., GROSSMAN S.; Put Job Instruction Breakdown on the Job; Quality Progress, July, pp. 30-35, 2011. HAYES B. E.; Lessons in Loyalty; Quality Progress, March, pp. 24-31, 2011. JURAN J. M., DE FEO J. A.; Juran's Quality Handbook, Sixth Edition: The Complete Guide to Performance Excellence; New York: Mc Graw Hill, 6th Edition, 2010. MAIO M. J.; Quality Improvement; Milwaukee: American Society for Quality, 2010. MARTNEZ B. D. R.; Evaluando la Repetitividad y Reproducibilidad de sistemas de medicin para caractersticas de calidad replicables, definidas por atributos mltiples en escala nominal; Tecnointelecto, Volumen 4, Nmero 1, pp. 34-41, 2007. NORMA ISO 9000:2008 Sistema de gestin de la calidad: Fundamentos y vocabulario.
197
Apndices Apndice 1. Resultados del primer turno

Known Population Sample # Attribute 1 fail 2 fail 3 fail 4 fail 5 pass 6 pass 7 fail 8 fail 9 fail 10 fail 11 fail 12 pass 13 pass 14 fail 15 pass 16 fail 17 fail 18 fail 19 pass 20 pass 21 fail 22 pass 23 pass 24 fail 25 pass 26 pass 27 fail 28 fail 29 pass 30 pass Operador 1 Try #1 Try #2 fail fail fail fail fail fail fail fail pass pass pass pass pass pass fail fail fail fail fail fail fail fail pass pass pass pass pass pass pass pass fail fail fail fail pass fail pass pass fail fail fail pass fail pass pass pass pass pass fail fail pass pass pass pass fail fail pass pass fail fail Operador 2 Try #1 Try #2 fail fail fail fail fail fail fail fail pass pass pass pass pass pass fail fail fail fail fail fail pass fail pass pass pass pass pass pass pass pass fail fail fail fail fail fail pass pass pass pass pass pass pass pass pass pass fail fail pass pass pass pass pass pass pass pass pass pass pass pass Operador 3 Try #1 Try #2 fail fail fail fail fail fail fail fail pass pass pass pass fail fail fail fail fail fail fail fail fail fail pass pass pass pass fail fail pass pass fail fail fail fail fail fail pass pass fail fail fail fail pass pass fail pass pass fail fail fail pass pass fail fail fail fail fail pass fail pass
198
Apndice 2. Resultados del segundo turno

Known Population Sample # Attribute 1 fail 2 fail 3 fail 4 fail 5 pass 6 pass 7 fail 8 fail 9 fail 10 fail 11 fail 12 pass 13 pass 14 fail 15 pass 16 fail 17 fail 18 fail 19 pass 20 pass 21 fail 22 pass 23 pass 24 fail 25 pass 26 pass 27 fail 28 fail 29 pass 30 pass Operador 1 Try #1 Try #2 fail fail fail fail fail fail pass fail pass pass pass pass pass pass pass fail pass pass fail fail fail fail pass pass pass pass pass pass pass pass fail fail fail fail fail fail pass pass fail fail fail fail pass fail fail fail fail fail pass fail pass pass fail fail fail fail pass pass fail fail Operador 2 Try #1 Try #2 fail fail fail fail fail fail pass fail fail fail pass pass fail pass fail fail fail fail fail fail fail fail fail fail pass pass fail fail pass pass fail fail fail fail fail fail pass pass pass fail fail fail pass pass fail fail fail fail fail fail pass pass fail fail fail fail fail fail fail fail Operador 3 Try #1 Try #2 fail fail fail fail fail fail fail fail fail pass pass pass fail fail fail fail fail fail fail fail fail fail pass pass pass pass pass pass pass pass fail fail fail fail fail fail pass pass fail fail fail fail pass fail pass pass fail fail fail fail pass pass fail fail fail fail pass pass pass pass
199
Apndice 3. Resultados del tercer turno.

Known Population Sample # Attribute 1 fail 2 fail 3 fail 4 fail 5 pass 6 pass 7 fail 8 fail 9 fail 10 fail 11 fail 12 pass 13 pass 14 fail 15 pass 16 fail 17 fail 18 fail 19 pass 20 pass 21 fail 22 pass 23 pass 24 fail 25 pass 26 pass 27 fail 28 fail 29 pass 30 pass Operador 1 Try #1 Try #2 fail fail fail fail fail fail fail fail pass pass pass pass pass pass fail fail fail fail fail fail fail fail pass pass pass pass pass pass pass pass fail fail fail fail fail fail pass pass fail fail fail fail pass pass fail fail fail fail fail fail pass pass pass pass fail fail pass pass pass pass Operador 2 Try #1 Try #2 fail fail fail fail fail fail fail fail pass pass pass pass fail fail fail fail fail fail fail fail fail fail pass pass pass pass fail fail pass pass fail fail fail fail fail fail pass pass fail fail fail fail pass pass fail pass pass fail fail fail pass pass fail fail fail fail fail pass fail pass Operador 3 Try #1 Try #2 fail fail fail fail fail fail fail fail fail pass pass pass fail fail fail fail fail fail fail fail fail fail pass pass pass pass pass pass pass pass fail fail fail fail fail fail pass pass fail fail fail fail pass fail pass pass fail fail fail fail pass pass fail fail fail fail pass pass pass pass
200

Romeroyromero Prodfoco2011

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Romeroyromero Prodfoco2011

Загружено:

Авторское право:

Доступные форматы

Produo em Foco, v. 1, n. 1, p. 177, 200 jan./jun.

0.90 1.00 0.70 0.89 0.50 0.69 0.00 0.49

Tabla 2. Datos cruzados del inspector 1 con el inspector 2

Tabla 5. Tabla de relaciones entre los inspectores del Turno 1.

Tabla 9. Datos cruzados del inspector 2 con el inspector

Tabla 11. Inspectores contra el estndar del turno 2.

Tabla 13. Datos cruzados del inspector 1 con el inspector 3.

Tabla 14. Datos cruzados del inspector 2 con el inspector 3.

En la tabla 16 se muestra los niveles de acuerdo de cada inspector contra el estndar:

Apndices Apndice 1. Resultados del primer turno

Apndice 2. Resultados del segundo turno

Apndice 3. Resultados del tercer turno.

Вам также может понравиться