ResumenSe describe el error humano determinando veintiocho factores que influyen en el comportamiento humano y que en su conjunto conforman las condiciones de operación bajo las que las personas trabajan. El error humano se encuentra en el origen de multitud de accidentes y, por lo tanto, es un elemento clave que debe ser evitado. Esto puede ser logrado si se conoce y explica el error mediante el análisis de los diferentes factores. Se analizan en un grupo de trabajadores de líneas de montaje manual cada uno de los factores. Luego se realiza un análisis de correlación múltiple con el objetivo de buscar los factores más influyentes. Esto permite reducir a nueve el número de factores a estudiar mediante la construcción de modelos de confiabilidad humana para en plantas de montaje. Palabras clave: error humano, líneas de ensamble, comportamiento humano, accidentes laborales Factors Influencing the Human Error of Workers in Manual Assembly Lines AbstractHuman error is described by determining twenty eight factors that influence human behavior and which together make up the operating conditions under which people work. Human error is the source of numerous accidents and, therefore, is a key element that must be reduced or eliminated. This can be achieved if human error is known and explained through the analysis of the different factors that influence it. Each of these factors is analyzed in a group of workers from manual assembly lines. After that results are analyzed through multiple correlation analysis to find the most influential factors. This allowed reducing to nine the factors to be considered to develop human reliability models in assembly plants.

El presente trabajo trata sobre la aplicación de la metodología de seis sigma (DMAMC), así como los métodos Taguchi para resolver el problema de baja resistencia a la prueba de jalón de un diodo emisor de luz (LED) de una compañía electrónica del noroeste de México, el cual es utilizado en el ensamble de teléfonos celulares. Al término de este proyecto se logró una mejora significativa al aumentar la capacidad del proceso de 0.56 a 1.45 y un impacto en la reducción de los costos, tan solo por eliminación de desperdicio, del orden de 130 mil dólares estadounidenses anuales. Para lo anterior no se requirió de inversión adicional, únicamente fue necesario controlar el ajuste de cada uno de los factores importantes del proceso.

ResumenSe muestra la aplicación de una metodología bayesiana para la optimización simultánea de múltiples respuestas. Se modifica una propuesta anterior, introduciendo una modificación que la hace más flexible, ya que permite trabajar con el caso en que no todas las variables consideradas en el estudio son igualmente importantes. Para incorporar estas diferencias en cuanto a la relevancia de las variables de respuesta analizadas se utiliza la media geométrica ponderada de las probabilidades de que cada variable cumpla con su especificación. Con esto, las múltiples variables a optimizar se convierten en una sola. Mediante un ejemplo se muestra como la modificación propuesta ayuda a obtener distintos escenarios óptimos para considerar en la toma de decisiones. Palabras clave: múltiples respuestas, optimización, metodología bayesiana, media geométrica ponderada Bayesian methodology for simultaneous optimization of multiple responses AbstractThe application of a bayesian methodology for simultaneous optimization of multiple responses is presented. A previous proposal is modified by introducing a modification that makes it more flexible, allowing working with the case in which not all the variables considered in the study are equally important. To incorporate in the methodology these differences related to the analyzed response variables the weighted geometric mean of the probabilities that each variable meets its own specification is used. With this change, the multiple optimization variables are converted into only one. An example to show how the proposed modification helps in achieving different optimal scenarios to consider in making decisions is discussed.

No abstract

ResumenSe evalúa la robustez del Sistema Mahalanobis-Taguchi a los diferentes arreglos que pudieran utilizarse para discriminar las variables consideradas en un estudio. Para esto se utilizaron diferentes niveles de fraccionado de un diseño factorial 2 9 , así como todas las fracciones posibles para cada nivel, para evaluar si el resultado variaba dependiendo del arreglo empleado. Se utilizaron para este análisis los datos del estudio del cáncer de mama de Wisconsin reportados en una publicación, en cuyo análisis utilizaron un arreglo ortogonal L 12 . En este trabajo se realizó el análisis con diseños 2 9-k (k= 0,1,2,3,4 y 5) y todas las fracciones posibles para cada valor de k, generadas con el software Minitab 15 y se generó un programa en Matlab. Los resultados demostraron que esta técnica no es robusta a los diferentes arreglos que pudieran utilizarse. Palabras clave: robustez, sistema Mahalanobis-Taguchi, diseño factorial, arreglo ortogonal A robustness evaluation of the Mahalanobis-Taguchi System to different Factorial ArraysThe robustness of the Mahalanobis-Taguchi System to different arrays that could be used to discriminate variables in a study, is evaluated.. For this, different levels of fractional factorial design 2 9 were used, as well as all possible fractions for each level to find out if the results varied depending on the array utilized. For this analysis the Wisconsin´s breast cancer data reported in a publication were used, in which, an orthogonal array L 12 was employed. In this work, the analysis was performed with 2 9-k designs (k = 0,1,2,3,4 and 5) and all the possible fractions for each value of k generated using the software Minitab 15 and a Matlab program was generated. The results showed that this method is not robust to the different arrays that could be used.