Hola, Lo tenía en mente, pero no me acordaba del nombre de la autora y el libro no lo tenía a mano... Esta referencia es de lo mejorcito que he visto/leído para la mejora de procesos industriales desde el punto de vista estadístico:
http://www.amazon.com/gp/product/0898713943?keywords=veronica%20czitrom&qid=1449761180&ref_=sr_1_1&s=books&sr=1-1 Saludos, Carlos Ortega www.qualityexcellence.es El 10 de diciembre de 2015, 11:00, Carlos Ortega <[email protected]> escribió: > Hola Jesús, > > La respuesta, desde mi punto de vista, es un poco off-topic de lo que se > trata en esta lista, pero comento como lo veo yo. > > Con el nivel de detalle que tienes, puedes hacer varias cosas: > > - Simplemente mantén en tu almacén un número de cuchillas mayor que la > última vez que tuviste que pedirlas con urgencia. En los entornos de > Producción, efectivamente el que rompas el stock es una situación grave, > porque paras la línea. Pero como bien, dices por otro lado no puedes > mantener en tu almacén muchas cuchillas. Aunque también hay que comentar > que en el análisis tendrías que meter el coste de reposición. No veo que > las cuchillas sean un producto que se quede obsoleto, así que comprar un > número mayor de "1" te sea hasta económicamente más rentable. Seguramente > puedas negociar mejores precios comprando "10" que "1". > - Entonces por este lado, tener en tu almacén un número constante > de "3". Y que ese sea tu punto de pedido no parece descabellado. > - Otra forma de analizarlo teniendo en cuenta los datos que ya has > acumulado es ver cuál es tu "MTTR" (Mean Time To Repair). Considera la > rotura/desgaste de la cuchilla como una "reparación". Y con este concepto > calcula el tiempo medio que pasa hasta que sustituyes una cuchilla. Esto lo > puedes calcular con los datos que tienes, simplemente calculando las > diferencias entre las fechas en las que cambias las cuchillas. De esta > forma, obtendrás que si cambias cuchillas cada 2 semanas (en media), > tendrás que tener en media, una cuchilla disponible en tu almacén. > - Claro, si te ajustas al valor medio, pierdes toda la información que > te da el MTTR de su sigma. Al calcular el MTTR, representa esas > diferencias > en un histograma o simplemente calcula su sigma y tu stock óptimo > (conservador) sería "Media + 3 Sigmas". Es una aproximación de tirar > por la > calle del medio (suponiendo una distribución normal de los datos de > MTTR). > - En cualquier caso, cuando tengas los datos de MTTR, mira el > histograma por si se puede hacer un análisis más fino. > > > Gracias, > Carlos Ortega > www.qualityexcellence.es > > El 10 de diciembre de 2015, 9:57, Jesús Para Fernández < > [email protected]> escribió: > >> Buenas Antonio, >> >> No termino de entender lo que dices, la verdad. >> >> Para ponernos en situación, lo que quiero es llegar al punto de pedido >> optimo, es decir, no desabastecer el almacen, pero tampcoo tener cuchillas >> para 100 años... >> >> Por ello, a mi me llega cuando necesitan una cuchilla, entonces se le da >> salida en el almacen, pero esa cuchilla nunca retorna a nosotros, es >> colocada en la maquina y hasta que parta. >> >> Es por eso por lo que habia pensado en un tiempoo de vida o en >> frecuencias. No me asusta meterme en "fregados" si la solución es robusta. >> Entiendo que el tema de frecuencias podría valer, ya que al final no es más >> que la frecuencia de pedido, pero lo que no me vale es usar medias, ya que >> la media de 0 y 2 es la misma que la de 1 y 1, pero las situaciones no >> tienen nada que ver. Pongo un ejemplo. >> >> Si hoy me piden 1 y dentro de una semana me piden 1, entonces con tener 1 >> en el almacen me vale. La media de pedido sería 1 y el punto de pedido >> optimo seria 1. >> >> Sin embargo, si esta seman me piden 0 y la semana siguiente me piden 2, >> el punto de pedido optimo es 2, aunque la media de consumo es 1... >> >> Por eso habia pensado en tiempo de vida que creoq ue se puede ajustar >> mejor, pero no se como meter los datos para hacer correctamente el análisis. >> >> To: [email protected] >> From: [email protected] >> Date: Thu, 10 Dec 2015 09:36:25 +0100 >> Subject: Re: [R-es] Tiempo de vida >> >> >> >> >> >> >> Si no tienes la fecha de venta o cuando se comenzó a usar lo tienes >> realmente difícil. >> >> Puedes hacer una aproximación si tuvieras cuantas se vendieron, >> identificando modas de venta y de devolución podrías estimar el >> tiempo de vida. >> >> Si solo tienes devolución puedes trabajar con modas/ frecuencias, el >> proceso es más complejo, bastante más. Sería algo parecido a >> averiguar la edad de un pez solo sabiendo cuando lo has cogido, sin >> saber fecha de nacimiento (pongo este ejemplo porque trabajo en >> biología marina). Y aunque no soy un experto en el tema (nada), el >> proceso de averiguar la "edad" es más complejo. Te diré que hay >> diversos métodos, y yo creo que el que más se ajusta sería con >> análisis de frecuencias. Pero no creo que te vayas a meter en ese >> "jardín" >> >> >> >> >> >> Pero, creo que estás haciendo mal la pregunta. Yo interpreto que lo >> que quieres saber es cuando debes hacer un pedid, para tener stock o >> previsiones de gasto. Esto solo depende de cuando se compraron. Pero >> esto te da lo mismo, incluso el tiempo de vida, ya que si es un >> producto estandarizado, será similar. Por lo tanto, solo tienes que >> hacer análisis de cuando te las traen de vuelta. Con cualquier >> análisis exploratorio por la unidad temporal que tu desees (Semana, >> mes, etc) te valdría. Por ejemplo unos boxplot >> >> >> >> El data frame sería muy simple >> >> >> >> kk<- >> data.frame(año=as.numeric(0),dia=as.numeric(0),mes=as.numeric(0)) >> >> aquí meterías cada cuchilla que te devuelven >> >> o >> >> >> >> kk<- >> >> data.frame(año=as.numeric(0),dia=as.numeric(0),mes=as.numeric(0),numero.cuchillas=as.numeric(0)) >> >> aquí meterías el numero de cuchillas por día >> >> >> >> Del primero mediante un aggregate se obtiene el segundo >> >> >> >> Y después solo analizar >> >> >> >> Si los pedidos los hicieras por semanas, con la unión de los tres >> campos "dia, año, y me"s con la libreria "chron" los transformas en >> un campo fecha (as.Date), y con la misma librería puedes sacar la >> semana de forma numérica. De esta forma tendrías las cuchillas por >> semana >> >> >> >> Poco más se me ocurre >> >> >> >> Espero que te sirva >> >> >> >> Saludos >> >> >> >> __________________________________ >> Antonio Punzón Merino >> Instituto Español de Oceanografía >> CO Santander >> Promontorio de San Martín s/n >> PO BOX 240 >> 39080-Santander (Spain) >> Tel: +34 942 29 17 16 (Direct: 55) >> Fax: +34 942 275 072 >> Email: [email protected] >> Web: www.ieo.es >> __________________________________ >> >> El 10/12/2015 a las 9:05, Jesús Para >> Fernández escribió: >> >> >> >> Siento insistir en el tema, pero es de vital importancia. >> >> Alguna idea??? >> >> Gracias >> Jes�s >> >> From: [email protected] >> To: [email protected]; [email protected] >> Subject: RE: [R-es] Tiempo de vida >> Date: Tue, 8 Dec 2015 09:18:11 +0100 >> >> >> >> >> Pero como har�a el data frame?? Porque las cuchillas son de la misma >> referencia. En realidad es para ver cada cuanto se gstan las cuchillas y >> ver que pedidos hay que hacer de las mismas. >> >> La tabla que tengo es: >> >> 25 enero-> 1 cuchilla gastada >> 30 enero -> 1 cuchilla gastada >> 3 de febrero -> 2 cuchillas gastadas >> 5 de febrero -> 1 cuchilla gastada >> >> Y as�.... >> >> No tiene necesariamente que ser gastada en la misma afeitadora, ya que >> hay 3 cortadoras y los datos de a que cortadora se cambian no son >> proporcionados y son imposibles de conseguir (ya que esa informaci�n es de >> un externo). >> >> Gracias. >> Jes�s >> >> >> >> Date: Mon, 7 Dec 2015 17:47:45 +0100 >> From: [email protected] >> To: [email protected]; [email protected] >> Subject: Re: [R-es] Tiempo de vida >> >> Hola: >> >> On Mon, 7 Dec 2015 16:34:14 +0100 >> Jes�s Para Fern�ndez <[email protected]> wrote: >> >> >> >> Los datos no son de desgaste de cuchilla, sino de consumo de >> las mismas. >> >> Por ello tengo los datos de la siguiente forma: >> >> Unidades cambiadas Fecha >> >> >> En unidades cambiadas, suele ser una y en fecha el dia que se hizo el >> cmabio. >> >> >> No seria: >> >> TIEMPO: Fecha que se coloca una cuchilla nueva hasta que se cambia. >> ESTADO: Siempre 1 (siempre se cambia): no existen censuras. >> >> y un registro para cada cuchilla. >> >> Servir�a? >> >> Saludos. >> >> >> >> Con eso no se muy bien como estructurar los datos para hacer el >> an�lisis. >> >> Gracias >> Jes�s >> >> >> >> >> >> Date: Mon, 7 Dec 2015 16:27:18 +0100 >> From: [email protected] >> To: [email protected] >> CC: [email protected] >> Subject: Re: [R-es] Tiempo de vida >> >> Hola: >> >> On Mon, 7 Dec 2015 15:12:24 +0100 >> Jes__s Para Fern__ndez <[email protected]> wrote: >> >> >> >> Buenas, >> >> Como pudeo calcular el tiempo de vida? Os cuento, tengo una serie de >> cuchillas y quiero ver el consumo de las mismas y he pensado en hacer un >> estudio por tiempo de vida. No se como hacerlo con R >> >> >> Has una tabla de datos con 4 columnas: >> >> 1. Fecha que se empieza a utilizar la cuchilla >> 2. Fecha de la �ltima revisi�n de la cuchilla >> 3. TIEMPO: el tiempo transcurrido entre las dos fechas anteriores >> 4. ESTADO: estado de la cuchilla cuando se revis� la �ltima vez: >> 0 = Buen estado >> 1 = Para tirar >> >> Y utiliza el m�todo kaplan-meier: >> >> library(survival) >> KM <- survfit(Surv(DATO$TIEMPO, DATOS$ESTADO) ~ 1) >> summary(KM) >> plot(KM) >> >> Un ejemplo: >> >> >> >> library(survival) >> AML.KM <- survfit(Surv(aml$time, aml$status) ~ 1) >> summary(AML.KM) >> >> >> Call: survfit(formula = Surv(aml$time, aml$status) ~ 1) >> >> time n.risk n.event survival std.err lower 95% CI upper 95% CI >> 5 23 2 0,9130 0,0588 0,8049 1,000 >> 8 21 2 0,8261 0,0790 0,6848 0,996 >> 9 19 1 0,7826 0,0860 0,6310 0,971 >> 12 18 1 0,7391 0,0916 0,5798 0,942 >> 13 17 1 0,6957 0,0959 0,5309 0,912 >> 18 14 1 0,6460 0,1011 0,4753 0,878 >> 23 13 2 0,5466 0,1073 0,3721 0,803 >> 27 11 1 0,4969 0,1084 0,3240 0,762 >> 30 9 1 0,4417 0,1095 0,2717 0,718 >> 31 8 1 0,3865 0,1089 0,2225 0,671 >> 33 7 1 0,3313 0,1064 0,1765 0,622 >> 34 6 1 0,2761 0,1020 0,1338 0,569 >> 43 5 1 0,2208 0,0954 0,0947 0,515 >> 45 4 1 0,1656 0,0860 0,0598 0,458 >> 48 2 1 0,0828 0,0727 0,0148 0,462 >> >> >> plot(AML.KM) >> >> >> Dibuja la curva de supervivencia con el intervalo de >> confianza. >> >> Espero que te sea �til. >> >> Saludos. >> >> >> >> >> >> >> Gracias >> Jes_s >> >> [[alternative HTML version deleted]] >> >> >> >> >> >> >> >> >> >> [[alternative HTML version deleted]] >> >> >> >> >> >> >> >> _______________________________________________ >> R-help-es mailing list >> [email protected] >> https://stat.ethz.ch/mailman/listinfo/r-help-es >> >> >> >> >> >> >> >> _______________________________________________ >> R-help-es mailing list >> [email protected] >> https://stat.ethz.ch/mailman/listinfo/r-help-es >> [[alternative HTML version deleted]] >> >> _______________________________________________ >> R-help-es mailing list >> [email protected] >> https://stat.ethz.ch/mailman/listinfo/r-help-es >> > > > > -- > Saludos, > Carlos Ortega > www.qualityexcellence.es > -- Saludos, Carlos Ortega www.qualityexcellence.es [[alternative HTML version deleted]] _______________________________________________ R-help-es mailing list [email protected] https://stat.ethz.ch/mailman/listinfo/r-help-es
