Download
1 / 43
430 likes | 655 Views
Universidad de Los Andes Facultad de Ingeniería Escuela de Ingeniería Mecánica Materia: Metodología de Proyectos. Metodologías para el desarrollo del Diseño. Grupo No. 2. Mérida, 01 de Noviembre de 2012. Ingeniería Simultánea o Concurrente. Historia
E N D
Universidad de Los Andes Facultad de Ingeniería Escuela de Ingeniería Mecánica Materia: Metodología de Proyectos Metodologías para el desarrollo del Diseño. Grupo No. 2 Mérida, 01 de Noviembre de 2012
Ingeniería Simultánea o Concurrente Historia La ingeniería concurrente, también llamada por muchos autores ingeniería simultánea, es un fenómeno que aparece a principios de la década de los ochenta en el Japón y que llega a Europa a través de América, fundamentalmente Estados Unidos, a finales de esa misma década.
¿Qué es ingeniería Simultánea o Concurrente? Filosofía de trabajo basada en sistemas de información y fundamentada en la idea de convergencia,simultaneidad o concurrencia de la información contenida en todo el ciclo de vida de un producto sobre el diseño del mismo y orientada a hacer mas eficiente la ingeniería.
El objetivo de una empresa industrial es, en pocas palabras: “Diseñar productos funcionales y estéticamente agradables en un plazo de lanzamiento lo más corto posible, con el mínimo coste, con el objetivo de mejorar la calidad de vida del usuario final".
Ingeniería Secuencial y Ingeniería Simultánea • Trabajo Secuencial Los ingenieros de diseño hacen su diseño, que luego pasa a los ingenieros de producción, que deciden cómo fabricarlo, luego a los diseñadores, que diseñan las herramientas necesarias para dicha fabricación y montaje, luego a los planificadores de la producción… En fin, uno detrás de otro, de forma secuencial. • Trabajo Simultáneo Se trata de que todas las áreas, todas las disciplinas, trabajen de forma paralela y simultánea en un determinado proyecto.
La Ingeniería Simultánea Esta filosofía de trabajo involucra, dentro de una compañía, a todas las personas y entes que participan de cualquier manera en el ciclo de vida de un producto en la responsabilidad del diseño del mismo. Evidentemente, el diseño ya no es una tarea unipersonal, es una tarea de equipo. Es responsabilidad del equipo y, por tanto, las decisiones importantes deben ser tomadas en función de la información aportada por cada una de las personas afectadas, haciendo referencia directa a proveedores y subcontratistas.
QFD (QualityFunctionDeployment) Significa despliegue de control de calidad y es un método estructurado que busca enfocar las demandas y expectativas del usuario en la calidad del diseño de los productos, interpretar las funciones que aporten calidad, también dar respuesta a las necesidades de los usuarios. Es decir alinear lo que el cliente necesita con lo que lo que se produce. Esta técnica también se utiliza para identificar y documentar las estrategias competitivas de marketing.
Despliegue de la Función de Calidad (QFD) Es una manera de desarrollar un diseño dirigido satisfaciendo al usuario y traducir las demandas a objetivos de diseño y los puntos importantes de la garantía de calidad que se utilizarán a través de la etapa de la producción.
Despliegue de la Función de Calidad (QFD) Beneficios • Mejorar los productos de una compañía. • Producir un resultado más rápido que otros métodos. • Dar definición al proceso de diseño. • Ayudar al equipo a permanecer enfocado. • Ayudar a presentar la información gráficamente. • Dejar al equipo bien orientado, en caso que necesiten mejoras.
Despliegue de la Función de Calidad (QFD) El QFD se origina en de Japón a finales de la década de los 60, sus ideas fueron madurando con respecto a las aplicaciones, pero su método no lograba consolidar el concepto de calidad de diseño. Para la década de los 70 la Sociedad Japonesa de Control de Calidad (JSQC) estableció un comité de estudio para formular su metodología, luego en los 80 se publica un estudio de las aplicaciones en 80 empresas japonesas, cuyos objetivos eran: • Establecimiento de la calidad de diseño y la calidad planificada. • Realización del benchmarking de productos de la competencia. • Desarrollo de nuevos productos que posicionaran a la empresa por delante de la Competencia.
Despliegue de la Función de Calidad (QFD) • Acumulación y análisis de información sobre la calidad en el mercado. • Comunicación a procesos posteriores de información relacionada con la calidad. • Reducción del número de problemas. • Reducción del número de cambios de diseño. • Reducción del tiempo de desarrollo. • Reducción de los costos de desarrollo. • Aumento de la participación en el mercado.
• Comparaciones de fortalezas y debilidades de dos enfoques • Experimental clásico • .Se pueden estudiar todas las interacciones entre factores al mismo tiempo. • No se necesitan conocimientos profundos sobre el funcionamiento del proceso en estudio • Método de taguchi • La filosofía de taguchi es muy recomendable en su conjunto. • El concepto de función de perdidas es útil e innovador.
Debilidades • No se pueden aprovechar ni usar los Conocimientos previos sobre el proceso. • No hay forma de hacer más eficientes los procesos pensando cómo interactúan realmente sus entradas. • Lleva a diseños experimentales complejos. • Promueve a veces experimentos ineficientes. • Se presentan problemas con los análisis de datos
Resumen de la Técnica Taguchi •El Diseño de Experimentos es una herramienta que también puede llegar a ser usada en las etapas de diseño de productos y procesos con el objetivo de minimizar la variación del desempeño de éstos en manos de los consumidores finales con respecto a los factores ambientales como medio para mejorar la calidad. •La idea de diseñar productos y procesos cuyo desempeño se a insensible a las condiciones ambientales (robustez del sistema) y realizar esto en las etapas de diseño a través del uso de Diseño de Experimentos ha sido la piedra angular de la metodología Taguchi. •Enfatiza en la calidad durante la etapa del diseño del proceso.
•Reconoce la importancia relativa de los factores que influyen en el desempeño de los productos o procesos. •Enfatiza en la reducción de la variabilidad, por medio del uso de la función de pérdida y de la razón señal-ruido (existiendo una para cada objetivo que se quiera lograr con el experimento) . •Se concentra en el concepto de diseño de parámetros que sirvan para disminuir la variabilidad en el desempeño de los productos. •También puede ser utilizada para el mejoramiento de procesos y productos ya existentes.
Análisis Factorial El Análisis Factorial es el nombre genérico que se da a una clase de métodos estadísticos multivariantes cuyo propósito principal es sacar a la luz la estructura subyacente en una matriz de datos. Analiza la estructura de las interrelaciones entre un gran número de variables no exigiendo ninguna distinción entre variables dependientes e independientes. El Análisis Factorial puede ser exploratorio o confirmatorio. El análisis exploratorio se caracteriza porque no se conocen a priori el número de factores y es en la aplicación empírica donde se determina este número. Por el contrario, en el análisis de tipo confirmatorio los factores están fijados a priori, utilizándose contrastes de hipótesis para su corroboración
FORMULACIÓN DEL PROBLEMA ANÁLISIS DE LA MATRIZ DE CORRELACIÓN EXTRACCIÓN DE FACTORES DETERMINACIÓN DEL NÚMERO DE FACTORES ROTACIÓN DE FACTORES INTERPRETACIÓN DE FACTORES VALIDACIÓN DEL MODELO CÁLCULO DE PUNTUACIONES ANÁLISIS POSTERIORES
FORMULACIÓN DEL PROBLEMA. Debe abordarse la selección de las variables a analizar así como la de los elementos de la población en la que dichas variables van a ser observadas. ANÁLISIS DE LA MATRIZ DE CORRELACIÓN Una vez formulado el problema y obtenida la matriz, se realiza un análisis de los datos estimados con la finalidad de comprobar si sus características son las más adecuadas para realizar un Análisis Factorial. Uno de los requisitos que debe cumplirse para que el Análisis Factorial tenga sentido es que las variables estén altamente intercorrelacionadas.
EXTRACCIÓN DE FACTORES • Una vez que se ha determinado que el Análisis Factorial es una técnica apropiada para analizar los datos, debe seleccionarse el método adecuado para la extracción de los factores. Existen diversos métodos cada uno de ellos con sus ventajas e inconvenientes. • Método de las Componentes Principales • Estima las puntuaciones factoriales mediante puntuaciones tipificadas de las componentes principales y la matriz de cargas factoriales mediante las correlaciones de las variables originales con dichas componentes. Este método tiene la ventaja de que siempre proporciona una solución.
Método de los Ejes Principales • Este método está basado en la identidad fundamental del Análisis Factorial sustituyendo la matriz de correlaciones poblacionalespor la de correlaciones muéstrales. El método es iterativo y consiste en alternar una estimación de la matriz de especificidades , con una estimación de la matriz de cargas factoriales respetando la identidad.
Método de la Máxima Verosimilitud • Este método está basado en el modelo de componentes principales adoptando, además, la hipótesis de normalidad multivariante. El método tiene la ventaja sobre los dos anteriores de que las estimaciones obtenidas no dependen de la escala de medida de las variables. Además, al estar basado en el método de la máxima verosimilitud, tiene todas las propiedades estadísticas de éste y, en particular, es asintóticamente insesgada, eficiente y normal si las hipótesis del modelo factorial son ciertas.
DETERMINACIÓN DEL NÚMERO DE FACTORES • La matriz factorial puede presentar un número de factores superior al necesario para explicar la estructura de los datos originales. Generalmente, hay un conjunto reducido de factores, los primeros, que contienen casi toda la información. Los otros factores suelen contribuir relativamente poco. Uno de los problemas que se plantean consiste en determinar el número de factores que conviene conservar puesto que de lo que se trata es de cumplir el principio de parsimonia. • Determinación "a priori" • Regla de Káiser • Criterio del porcentaje de la varianza • Gráfico de Sedimentación • Criterio de división a la mitad • Pruebas de significación
INTERPRETACIÓN DE LOS FACTORES • La interpretación de los factores se basa en las correlaciones estimadas de los mismos con las variables originales del problema. • ROTACIÓN DE FACTORES • Como ya se ha visto en la sección anterior, la matriz de cargas factoriales juega un papel destacado a la hora de interpretar el significado de los factores, cuantifican el grado y tipo de la relación entre éstos y las variables originales. • Rotación Ortogonal • Método Varimax • Método Quartimax • Método Equamax • Rotación oblicua • Método Oblimin • Método Promax
CÁLCULO DE PUNTUACIONES FACTORIALES • Una vez determinados los factores rotados el siguiente paso es calcular las matriz de puntuaciones factoriales. • Métodos de cálculo de las puntuaciones • Método de regresión • Método de Barlett • Método de Anderson-Rubin • VALIDACIÓN DEL MODELO • El último paso en el Análisis Factorial es estudiar la validez del modelo. Dicha validación debe hacerse en dos direcciones: analizando la bondad de ajuste del mismo y la generabilidad de sus conclusiones.
