Dubbio su correlazione e cause assegnabili
Ciao a tutti, vi scrivo per chiedere un vostro parere circa un metodo d'analisi che mi hanno ilustrato.
Abbiamo $n$ linee di produzione ed $m$ materie prime. Tutte le materie prime possono essere usate indistintamente sulle $n$ linee per produrre il medesimo componente.
Oggi abbiamo un generico mix produttivo, il cui output è caratterizzato da un certa difettosità che si vuole mitigare analizzando le correlazioni tra materie prime e processo$.^1$
Il metodo prevede di costruire una matrice d'analisi $A$ ($n$ x $m$) il cui generico elemento $a_{i,j}$ rappresenta la percentuale di pezzi difettosi estratti da campione significativo prodotto dalla linea $i$ con la materia $j$.
Possiamo dire che la matrice $A$ mappi correttamente le priorità d'intervento e sia un valido supporto d'identificazione delle cause assegnabili di difettosità indipendentemente dal mix produttivo (che nell'esempio non viene considerato)? Detto in altri termini gli elementi di $A$ con i valori maggiori identficano i problemi principali su cui intervenire? Si conti che in questo caso ho esposto per semplicità solo 2 aspetti ma se ne possono mettere a confronto anche un numero maggiore.
(il mio dubbio deriva dal fatto che nel caso limite, in cui la produzione sia molto sbilanciata su una linea, è probabile che le difettosità maggiori siano proprio su quella linea. Questo non dipenderà tanto dalle incompatibilità di un determinato componente con la linea ma dal maggiore utilizzo della stessa).
Grazie, Ciao
$.^1$ La produzione è suddivisa su $n$ linee. Detta $\omega_i$ la produzione relativa della linea $i$-esima, risulta evidente che $sum_{i=1}^n \omega_i = 1$. Su ogni $i$-sima linea viene impiegato un rapporto $\rho_{i,j}$ della $j$-sima materia prima; anche in questo caso si presuppone che $sum_{j=1}^n \rho_{i,j} = 1$ $AA i=1,...,m$.
Abbiamo $n$ linee di produzione ed $m$ materie prime. Tutte le materie prime possono essere usate indistintamente sulle $n$ linee per produrre il medesimo componente.
Oggi abbiamo un generico mix produttivo, il cui output è caratterizzato da un certa difettosità che si vuole mitigare analizzando le correlazioni tra materie prime e processo$.^1$
Il metodo prevede di costruire una matrice d'analisi $A$ ($n$ x $m$) il cui generico elemento $a_{i,j}$ rappresenta la percentuale di pezzi difettosi estratti da campione significativo prodotto dalla linea $i$ con la materia $j$.
Possiamo dire che la matrice $A$ mappi correttamente le priorità d'intervento e sia un valido supporto d'identificazione delle cause assegnabili di difettosità indipendentemente dal mix produttivo (che nell'esempio non viene considerato)? Detto in altri termini gli elementi di $A$ con i valori maggiori identficano i problemi principali su cui intervenire? Si conti che in questo caso ho esposto per semplicità solo 2 aspetti ma se ne possono mettere a confronto anche un numero maggiore.
(il mio dubbio deriva dal fatto che nel caso limite, in cui la produzione sia molto sbilanciata su una linea, è probabile che le difettosità maggiori siano proprio su quella linea. Questo non dipenderà tanto dalle incompatibilità di un determinato componente con la linea ma dal maggiore utilizzo della stessa).
Grazie, Ciao
$.^1$ La produzione è suddivisa su $n$ linee. Detta $\omega_i$ la produzione relativa della linea $i$-esima, risulta evidente che $sum_{i=1}^n \omega_i = 1$. Su ogni $i$-sima linea viene impiegato un rapporto $\rho_{i,j}$ della $j$-sima materia prima; anche in questo caso si presuppone che $sum_{j=1}^n \rho_{i,j} = 1$ $AA i=1,...,m$.
Risposte
Scusate se insisto ma non riesco a venirne a capo...
Ciao Sergio, ti ringrazio per l'attenzione, quasi non ci speravo più!
In primis cerco di chiarirti le idee (non è un limite tuo ma colpa mia
)
Provo ad esprimere il concetto con questo esempio perchè mi rendo conto di non aver centrato il problema col precedente.
Supponiamo di avere due macchine $1$,$2$, nominalmente identiche, che producano il medesimo oggetto. Il processo produttivo prevede che venga usata una materia prima che l'azienda ha deciso di acquistare in tre diverse aree $A$,$B$,$C$. Dopo un certo periodo contiamo gli scarti per capire che cosa non ha funzionato nel nostro sito produttivo
Per riassumere il report usiamo una matrice che riporti sulle colonne le macchine e sulle righe le aree di provenienza della materia prima. Ogni elemento rappresenta la percentuale di difettosità, calcolata sugli scarti, ottenuta con la relativa coppia materia prima - macchina. Eccola:
$(("0.2","0"),("0.4","0.2"),("0","0.2"))$
Il mix produttivo non è conosciuto. Ora il metodo focalizzerebbe l'attenzione sulla coppia $(B,1)$, identificandola come maggiore causa di difettosità con urgenza d'intervento. Ma questo senza sapere com'è ripartita la produzione (e la causa della maggiore difettosità potrebbe proprio essere una produzione maggiore con la combinazione $(B,1)$, non necessariamente un problema di materia prima sulla macchina bensì di mix produttivo).
Ovviamente questo metodo può assumere dimensioni maggiori andando a considerare anche altri fattori ma giungendo a conclusioni analoghe. Cosi facendo non si rischia di giungere a conclusioni errate o poco significative?
In primis cerco di chiarirti le idee (non è un limite tuo ma colpa mia
)Provo ad esprimere il concetto con questo esempio perchè mi rendo conto di non aver centrato il problema col precedente.
Supponiamo di avere due macchine $1$,$2$, nominalmente identiche, che producano il medesimo oggetto. Il processo produttivo prevede che venga usata una materia prima che l'azienda ha deciso di acquistare in tre diverse aree $A$,$B$,$C$. Dopo un certo periodo contiamo gli scarti per capire che cosa non ha funzionato nel nostro sito produttivo
Per riassumere il report usiamo una matrice che riporti sulle colonne le macchine e sulle righe le aree di provenienza della materia prima. Ogni elemento rappresenta la percentuale di difettosità, calcolata sugli scarti, ottenuta con la relativa coppia materia prima - macchina. Eccola:
$(("0.2","0"),("0.4","0.2"),("0","0.2"))$
Il mix produttivo non è conosciuto. Ora il metodo focalizzerebbe l'attenzione sulla coppia $(B,1)$, identificandola come maggiore causa di difettosità con urgenza d'intervento. Ma questo senza sapere com'è ripartita la produzione (e la causa della maggiore difettosità potrebbe proprio essere una produzione maggiore con la combinazione $(B,1)$, non necessariamente un problema di materia prima sulla macchina bensì di mix produttivo).
Ovviamente questo metodo può assumere dimensioni maggiori andando a considerare anche altri fattori ma giungendo a conclusioni analoghe. Cosi facendo non si rischia di giungere a conclusioni errate o poco significative?
Accedi a tutti gli appunti
Tutor AI: studia meglio e in meno tempo