TQM en Industrias 4.0
2 de Noviembre de 2018
Si está dentro de tus posibilidades evita imprimir este material en papel
Invoco la biblioteca Quality Control Charts
library ("qcc")
citation("qcc")
To cite qcc in publications use:
Scrucca, L. (2004). qcc: an R package for quality control
charting and statistical process control. R News 4/1, 11-17.
A BibTeX entry for LaTeX users is
@Article{,
title = {qcc: an R package for quality control charting and statistical process control},
author = {Luca Scrucca},
journal = {R News},
year = {2004},
pages = {11--17},
volume = {4/1},
url = {https://cran.r-project.org/doc/Rnews/},
}
cause.and.effect(cause=list(Personal=c("Entrenamiento", "RRHH Inadec."),
Planificacion=c("Errores", "Permisos", "Clientes"),
Proveedores=c("Retrabajos", "Demoras", "Materiales"),
Clima=c("Zonda", "Lluvia", "Temperatura")),
effect="LÃnea 13.2 KV Down")
b.effect <- "Demora"
b.groups <- c("Personal", "Clima", "Proveedores", "Planificación")
b.causes <- vector(mode = "list", length = length(b.groups))
b.causes[1] <- list(c("Entren.", "RRHH Inad."))
b.causes[2] <- list(c("Lluvia", "Temp.", "Zonda"))
b.causes[3] <- list(c("Materiales", "Demoras", "Retrabajos"))
b.causes[4] <- list(c("Cliente", "Permisos", "Errores"))
# Transformamos datos en un dataframe
b.data <- data.frame(cause=factor(unlist(b.causes)),
count = c(5,1,3,1,2,18,20,4,15,2,4) ,
cost = c(50,150,50,10,20,180,200,10,5,20,150))
# count es el número de veces que la causa llevá
#a la salida de servicio de la lÃnea de alta tensión
#durante un años
#
# cost es el costo asociado de ese tipo de reparación
# costos en millones de pesos al año
library(qualityTools)
# Ploteo del digrama de barras vacio
pChart <- barplot(rev(sort(b.data$count)),
names.arg = b.data$cause[order(b.data$count, decreasing = TRUE)],
las = 2,
main = "Reseau Electrique de Mendoza",
ylab="Contribución marginal porcentual",
xlab="____")
#Agrego las etiquetas de causas y el valor numérico
# de costos unitarios por cantidad de ocurrencias
text(pChart, rep(0.5,11), sort(round(cumsum(100 *
(b.data$count/sum(b.data$count))
[order(b.data$count, decreasing = TRUE)]), 1)))
library(qcc)
b.vector <- b.data$count
names(b.vector) <- b.data$cause
pareto.chart(b.vector, cumperc = c(80) , main="Contribución Acumulada" , ylab="Frecuencia", ylab2="%$ Nivel Gatillo Pareto" )
Pareto chart analysis for b.vector
Frequency Cum.Freq. Percentage Cum.Percent.
Demoras 20.000000 20.000000 26.666667 26.666667
Materiales 18.000000 38.000000 24.000000 50.666667
Cliente 15.000000 53.000000 20.000000 70.666667
Entren. 5.000000 58.000000 6.666667 77.333333
Retrabajos 4.000000 62.000000 5.333333 82.666667
Errores 4.000000 66.000000 5.333333 88.000000
Lluvia 3.000000 69.000000 4.000000 92.000000
Zonda 2.000000 71.000000 2.666667 94.666667
Permisos 2.000000 73.000000 2.666667 97.333333
RRHH Inad. 1.000000 74.000000 1.333333 98.666667
Temp. 1.000000 75.000000 1.333333 100.000000
library(qualityTools)
data("encuesta_ecogas.csv")
cp (x = energas$Error, lsl = 2.9598, usl = 9.02, target = 06.0, main= "Error en lectura estimada ECOGAS")