CONTROL DE DEFECTOS EN UNA EMPRESA TEXTIL MEDIANTE ANÁLISIS DE CORRESPONDENCIAS

Transcripción

1 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8- de abril de 200 CONTROL DE DEFECTOS EN UNA EMPRESA TEXTIL MEDIANTE ANÁLISIS DE CORRESPONDENCIAS Pau Miró i Martínez, Jose M. Jabaloyes Vivas, Mónica Martínez Gómez, Jose M. Carot Sierra Departamento de Estadística e Investigación Operativas Aplicadas y Calidad Universidad Politécnica de Valencia, Valencia, España pamimar@eio.upv.es RESUMEN En la actualidad muchos son los procesos en los que, gracias a la tecnología, se ofrece una numerosa información sobre lo que esta sucediendo en la producción en ese momento. En la industria textil es habitual encontrar sistemas de recogida de datos sobre los defectos y errores. Esta información es almacenada y analizada descriptivamente y casi siempre de forma univariante. Es evidente que se esta desaprovechando esta información y que se hace necesario el uso de técnicas de análisis multivariante. En el caso estudiado se propone la utilización del Análisis de Correspondencias como herramienta que permitirá la monitorización del proceso y que llevará al control y la mejora de la calidad del producto. Palabras y frases clave: Análisis de Correspondencias, Control de Calidad, Proceso de tejeduría. Clasificación AMS: 62H2.. Introducción En la era de la información cada vez se dispone de más datos y se hacen necesarias herramientas que sean capaces de analizarlos conjuntamente. Algunos procesos industriales poseen tecnología que permite capturar gran cantidad de información. Por lo general ésta es utilizada para la toma de decisiones sobre el funcionamiento

2 del proceso, repercutiendo de forma directa en la calidad del producto. La capacidad de análisis de los especialistas que manejan los datos se limita, en la mayoría de ocasiones, a técnicas univariantes y bivariantes. Se detecta por tanto, la necesidad de ofrecer instrumentos que respondan al problema del manejo de la información ofrecida por procesos complejos. Las técnicas de análisis multivariantes responden perfectamente a esta circunstancia porque son capaces de reducir, resumir y monitorizar gran cantidad de datos. Se piensa que un uso continuado de estas técnicas aumentaría la capacidad de mejorar el proceso y en consecuencia la calidad del producto. Para probar la utilidad y la necesidad de implantar estas técnicas con el fin de ayudar a controlar y mejorar la calidad de los procesos y los productos se ha utilizado el caso del la tejeduría textil y como herramienta para tomar decisiones el Análisis de Correspondencias. 2. Metodología Se parte de la siguiente situación: en un proceso de tejeduría se dispone de máquinas de tejer que poseen mecanismos para detectarlos errores y los fallos que se están produciendo. Estos datos son almacenados para su posterior análisis. En nuestro caso se dispone de 29 máquinas de diferentes modelos y anchos, en las que se pueden producir tipos de fallos de diferentes. De cada máquina se recogen diariamente datos sobre su funcionamiento. Luego se parte de la tabla de conteo de fallos (columnas) que se producen cada cierto tiempo en el conjunto de las máquinas (filas). Una vez se dispone de la matriz de frecuencias, se realiza una descripción de los datos mediante gráficos de Pareto, gráficos de barras, gráficos bivariantes, Este análisis previo es necesario para poder conocer la situación inicial, como qué máquinas producen más errores o que fallos son los más frecuentes. Una vez realizado se pasa a establecer relaciones entre todas las variables buscando: qué fallos se correlacionan, qué telares tienen un comportamiento similar en cuanto a los fallos y qué asociaciones hay entre los errores y los telares. La búsqueda de estas relaciones hace que se puedan crear perfiles de grupos de máquinas según los fallos, así como clasificar y distinguir entre errores aleatorios, accidentales y sistemáticos. El Análisis de Correspondencias es la técnica que mejor se adapta a los objetivos que se persiguen, puesto que permite relacionar variables fila con variables columna a través del análisis de la matriz de conteos. Se obtiene un número reducido de dimensiones que recogen la máxima información de los datos originales. Esto permite la representación 2

3 en el plano de la dimensiones encontradas consiguiendo así monitorizar lo que ha sucedido en un momento determinado en el proceso. Esta herramienta hace posible resumir al máximo la dimensionalidad de los datos proporcionando información de forma gráfica sobre el funcionamiento del proceso por lo que hace que sea un instrumento muy útil para ayudar a tomar decisiones.. Resultados En cuanto a los resultados del primer análisis de correspondencias realizado con todos los errores se obtienen dos dimensiones que recogen el 80% de la variabilidad. La primera dimensión explica el % y la segunda un 26%, y se obtiene el plano factorial que se puede ver en la Figura. La varianza explicada para los distintos errores es un 99% para los fallos en la trama y urdimbre, el 9% de fallos varios y menos de un % del resto de variables. Los primeros resultados están indicando la conveniencia de analizar los fallos separadamente, por un lado los tres más representativos y por otro el resto de fallos..0 Camb. Pu 2.0 Fallos: Telares Fallo Ag Av. Elec Av. Mec. F. Traba Av. Elec 2 VARIOS Atar y P Av.Mec. Revisar Camb. Ar 29 URDIMBRE 22 TRAMA F. Energ D D Figura : Gráfico factorial con todos los fallos

4 En un segundo análisis se representan los tres errores, en trama, en urdimbre y por otras causas, frente a los telares. Se estudia la posible relación entre el modelo de máquina y su ancho con los errores que se producen. También se buscan las relaciones que existen entre las diversas máquinas buscando la agrupaciones que se forman. En tercer lugar se analizan los errores menos frecuentes. Se quiere detectar aquellos errores que sean accidentales y los aleatorios, así como posibles agrupaciones o disgregaciones entre tipos de fallos. Estos en mucha ocasiones aunque no sean los errores más frecuentes sí que pueden ser los más costosos, de aquí la importancia de su análisis. En un primer momento se analizan todos los fallos menos frecuentes, concluyendo que hay un grupo de variables que no se asocian claramente ni a otros fallos ni a ningún telar. Se realiza un estudio particular para este conjunto y otro para el resto de variables significativas. Con los cinco errores se realiza de nuevo un análisis de correspondencias, obteniendo los gráficos factoriales correspondientes. Las dos dimensiones que se grafican nos ofrece tres agrupaciones de diversos telares, pudiendo ver la relación con el modelo de la máquina y el tipo de ancho (figura 2). Si se consideran costes unitarios para cada uno de los errores se puede saber el coste de cada agrupación y en que porcentaje depende el coste de cada tipo de fallo Fallo Ag Av. Av. Elec Mec. Jac Jac Camb. 27 Ar Av. Elec Te 8 6 D D Figura 2: Gráfico factorial con los fallos menos frecuentes.

5 . Conclusiones La aplicación del análisis de correspondencias a datos con estas características ha permitido conocer y distinguir los tipos de fallos. Se ha diferenciado entre fallos aleatorios, que no se pueden eliminar pero han de ser observados y cuantificados, los fallos accidentales, que hay que controlar y detectar las causas que los producen para que no se repitan, y los errores sistemáticos, que es necesario detectarlos para eliminarlos. El hecho de conocer en qué grupos de máquinas se producen, permite tomar las decisiones oportunas sobre el proceso de forma más precisa. Si el análisis se realiza adecuadamente y periódicamente llevará a la mejora del proceso, a conocer los puntos débiles y poder prever posibles errores más graves. Si además tenemos en cuenta los costes se sabe donde conviene actuar desde el punto de vista de la rentabilidad.. Referencias A. Barella (99) : El Control de Calidad en el tisaje. AITA. A. Barella (986): Industria Textil: del control de calidad a la fiabilidad. AITA. Benzécri, J.P. (982): L'Analyse des Données II: L'Analyse des Correspondances. Dunod, Paris. Cuadras, C. M. (98): Métodos de Análisis Multivariante. Eunibar, Barcelona. Escofier, B.; Pagès, J. (992): Análisis Factoriales simples y múltiples. Objetivos, métodos e interpretación. Servicio editorial de la UPV/EHU, Bilbao. Hair, J. et al. (99) Multivariate Data Analysis. Prince Hall International Inc., New York. Lebart, L.; Morineau, A.; Piron, M. (99): Statistique exploratorie multidimensionnelle. Ed. Dunond, Paris.