capacidad de proceso
TRANSCRIPT
-
HERRAMIENTAS Y CONTROL HERRAMIENTAS Y CONTROL HERRAMIENTAS Y CONTROL HERRAMIENTAS Y CONTROL
ESTADSTICO DE CALIDADESTADSTICO DE CALIDADESTADSTICO DE CALIDADESTADSTICO DE CALIDAD
CAPACIDAD DE PROCESOCAPACIDAD DE PROCESOCAPACIDAD DE PROCESOCAPACIDAD DE PROCESO
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
CAPACIDAD DE PROCESOCAPACIDAD DE PROCESOCAPACIDAD DE PROCESOCAPACIDAD DE PROCESO
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Qu es capacidad Qu es capacidad Qu es capacidad Qu es capacidad del Pr0cesodel Pr0cesodel Pr0cesodel Pr0ceso?.?.?.?.
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
como se realiza un estudio Real de como se realiza un estudio Real de como se realiza un estudio Real de como se realiza un estudio Real de
capacidad del Pr0ceso?.capacidad del Pr0ceso?.capacidad del Pr0ceso?.capacidad del Pr0ceso?.
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
capacidad del Pr0ceso?.capacidad del Pr0ceso?.capacidad del Pr0ceso?.capacidad del Pr0ceso?.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Capacidad de proceso Capacidad de proceso Capacidad de proceso Capacidad de proceso
,
Las variables de salida o de o de respuesta de un proceso deben de cumplir con ciertas metas y/o
especificaciones a fin de que sea posible considerar que el proceso funciona de manera satisfactoria. Por
ello, una tarea primordial del control de calidad es conocer la capacidad o habilidad de un proceso, quequequeque
consisteconsisteconsisteconsiste enenenen determinardeterminardeterminardeterminar lalalala amplitudamplitudamplitudamplitud dededede lalalala variacinvariacinvariacinvariacin naturalnaturalnaturalnatural deldeldeldel procesoprocesoprocesoproceso paraparaparapara unaunaunauna caractersticacaractersticacaractersticacaracterstica dededede calidadcalidadcalidadcalidad
dadadadadadadada.... Esto permitir saber en qu medida tal caracterstica de calidad es satisfactoria.
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
dadadadadadadada.... Esto permitir saber en qu medida tal caracterstica de calidad es satisfactoria.
CAPACIDAD DE PROCESOCAPACIDAD DE PROCESOCAPACIDAD DE PROCESOCAPACIDAD DE PROCESO
Consiste en conocer la amplitud de la variacin natural del proceso para una caracterstica de calidad
dada; esto permitir saber en qu medida tal caracterstica de calidad es satisfactoria (cumple con las
especificaciones).
ParaParaParaPara poderpoderpoderpoder determinardeterminardeterminardeterminar dededede unaunaunauna mejormejormejormejor maneramaneramaneramanera lalalala capacidadcapacidadcapacidadcapacidad dededede procesoprocesoprocesoproceso eseseses necesarionecesarionecesarionecesario coneocerconeocerconeocerconeocer laslaslaslas principalesprincipalesprincipalesprincipales
tcnicastcnicastcnicastcnicas dededede lalalala estadsticaestadsticaestadsticaestadstica descriptivadescriptivadescriptivadescriptiva paraparaparapara elelelel anlisisanlisisanlisisanlisis dededede unaunaunauna variablevariablevariablevariable dededede tipotipotipotipo continuocontinuocontinuocontinuo.... EstasEstasEstasEstas tcnicastcnicastcnicastcnicas sonsonsonson dededede
grangrangrangran utilidadutilidadutilidadutilidad paraparaparapara entenderentenderentenderentender mejormejormejormejor lalalala capacidadcapacidadcapacidadcapacidad dededede procesoprocesoprocesoproceso....
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
EstadsticaEstadsticaEstadsticaEstadstica DescriptivaDescriptivaDescriptivaDescriptiva
MedidasMedidasMedidasMedidas
Tendencia CentralTendencia CentralTendencia CentralTendencia Central
DispersinDispersinDispersinDispersin
FormaFormaFormaForma
Localizacin/posicinLocalizacin/posicinLocalizacin/posicinLocalizacin/posicin
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Estadstica DescriptivaEstadstica DescriptivaEstadstica DescriptivaEstadstica Descriptiva
DistribucinDistribucinDistribucinDistribucin
HistogramaHistogramaHistogramaHistograma
ParmetrosParmetrosParmetrosParmetros
Limites RealesLimites RealesLimites RealesLimites Reales
Diagrama de cajaDiagrama de cajaDiagrama de cajaDiagrama de caja
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
En un proceso de inyeccin de plstico una caracterstica de calidad delproducto (disco) su grosor, que debe ser de 1,20 mm con una tolerancia de 0,10 mm. As para considerar que el proceso de inyeccin fuesatisfactorio, el grosor del disco debe estar entre la especificacin inferior,EI=1,10 y la superior, ES= 1,30. En un estudio de capacidad para esteproceso es necesario contestar las siguientes interrogantes:
Qu tipo de disco en cuanto a grosor se estn produciendo?
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Qu tipo de disco en cuanto a grosor se estn produciendo?
El grosor medio es el adecuado?
La variabilidad del grosor es mucha o poca?
Para contestar estas preguntas, durante una semana se obtuvieron de una lnea de produccin los 125 datos de tabla 2.1. El muestreo fue sistemtico: cada determinado tiempo se tomaban cinco productos y se medan y al final de la semana se tuvieron los datos referidos. A Continuacin se analizarn estos datos por medio de diferentes estadsticos
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
1,25 1,20 1,17 1,16 1,16 1,15 1,17 1,20 1,16 1,19 1,17 1,13
1,20 1,17 1,17 1,20 1,14 1,19 1,13 1,19 1,16 1,18 1,16 1,17
1,17 1,17 1,13 1,16 1,16 1,17 1,20 1,18 1,15 1,13 1,20 1,17
1,17 1,17 1,17 1,18 1,24 1,16 1,18 1,16 1,22 1,23 1,22 1,19
1,18 1,19 1,17 1,16 1,17 1,18 1,19 1,23 1,19 1,16 1,19 1,20
TablaTablaTablaTabla 2222....1111.... DatosDatosDatosDatos deldeldeldel grosorgrosorgrosorgrosor dededede loslosloslos discosdiscosdiscosdiscos (mm)(mm)(mm)(mm)
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
1,20 1,19 1,17 1,19 1,22 1,19 1,18 1,11 1,19 1,19 1,17 1,19
1,20 1,17 1,25 1,16 1,16 1,20 1,20 1,16 1,18 1,21 1,20 1,22
1,16 1,15 1,20 1,12 1,11 1,18 1,15 1,15 1,19 1,13 1,17 1,17
1,19 1,20 1,21 1,23 1,15 1,13 1,20 1,14 1,18 1,15 1,20 1,15
1,22 1,16 1,19 1,17 1,20 1,24 1,22 1,19 1,19 1,17 1,16 1,18
1,17 1,19 1,21 1,20 1,20
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Supngase que Renato obtiene 32 puntos en una prueba de H.C.E.C. La
calificacin por s misma tiene muy poco significado a menos que usted
conozca cul es el total de puntos que obtiene una persona promedio al
participar en esa prueba, cul es la calificacin menor y mayor que se
Medidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia Central
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
participar en esa prueba, cul es la calificacin menor y mayor que se
obtiene, y cun variadas son esas calificaciones.
EsEsEsEs decirdecirdecirdecir quequequeque paraparaparapara quequequeque unaunaunauna calificacincalificacincalificacincalificacin tengatengatengatenga significadosignificadosignificadosignificado hayhayhayhay quequequeque contarcontarcontarcontar conconconcon
elementoselementoselementoselementos dededede referenciareferenciareferenciareferencia generalmentegeneralmentegeneralmentegeneralmente relacionadosrelacionadosrelacionadosrelacionados conconconcon ciertosciertosciertosciertos criterioscriterioscriterioscriterios
estadsticosestadsticosestadsticosestadsticos.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Las medidas de tendencia central sirven como puntos de referencia para
interpretar las resultados que se obtienen. .
Medidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia Central
Digamos por ejemplo que la calificacin promedio en la prueba que hizo
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Digamos por ejemplo que la calificacin promedio en la prueba que hizo
Renato fue de 20 puntos. De ser as podemos decir que la calificacin de Renato
se ubica notablemente sobre el promedio. Pero si la calificacin promedio fue de
60 puntos, entonces la conclusin sera muy diferente, dado que se ubicara
muy por debajo del promedio de la clase.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Tendencia central es el valor en torno al cual los datos o mediciones de una
variable tienden a aglomerarse o concentrarse
Medidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia Central
Las medidas de tendencia central son estadgrafos de posicin que son
interpretados como valores que permiten resumir a un conjunto de datos
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Las medidas de tendencia central son estadgrafos de posicin que son
interpretados como valores que permiten resumir a un conjunto de datos
dispersos, podra asumirse que estas medidas equivalen a un centro de
gravedad que adoptan un valor representativo para todo un conjunto de
datos predeterminados.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Medidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia Central
En resumen, el propsito de la medidas de tendencia central son:
Mostrar en qu lugar se ubica la valor promedio o tpica del grupo.
Sirve como un mtodo para comparar o interpretar cualquier puntaje
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Mostrar en qu lugar se ubica la valor promedio o tpica del grupo.
Sirve como un mtodo para comparar o interpretar cualquier puntaje
en relacin con el puntaje central o tpico.
Sirve como un mtodo para comparar el puntaje obtenido por una
misma persona en dos diferentes ocasiones.
Sirve como un mtodo para comparar los resultados medios obtenidos
por dos o ms grupos.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Medidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia Central
Medidas de Tendencia Medidas de Tendencia Medidas de Tendencia Medidas de Tendencia
PromedioPromedioPromedioPromedio Aritmtico (media)Aritmtico (media)Aritmtico (media)Aritmtico (media)
es el valor que ocupa la posicin central de un conjunto de
observaciones ordenadas. El 50% de las observaciones son mayores
que este valor y el otro 50% son menores
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Medidas de Tendencia Medidas de Tendencia Medidas de Tendencia Medidas de Tendencia
CentralCentralCentralCentralMMMMediana (Md)ediana (Md)ediana (Md)ediana (Md)
Moda (Mo)Moda (Mo)Moda (Mo)Moda (Mo)
que este valor y el otro 50% son menores
As para calcular la mediana cuando el nmero de datos es impardatos es impardatos es impardatos es impar,
stos se ordenan de manera creciente y el que quede en medio de
dicho ordenamiento ser la mediana,
Pero si el nmero es par, nmero es par, nmero es par, nmero es par, entonces la mediana se calcula dividiendo
entre dos la suma de los nmeros que estn en el centro de
ordenamiento
es igual al dato que se repite ms veces. Si varios datos tienen la
frecuencia ms grande, entonces cada uno de ellos es una moda, y se
dice que el conjunto de datos es multimodal.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
En un proceso de inyeccin de plstico una caracterstica de calidad delproducto (disco) su grosor, que debe ser de 1,20 mm con una tolerancia de 0,10 mm. As para considerar que el proceso de inyeccin fuesatisfactorio, el grosor del disco debe estar entre la especificacin inferior,EI=1,10 y la superior, ES= 1,30. En un estudio de capacidad para esteproceso es necesario contestar las siguientes interrogantes:
Qu tipo de disco en cuanto a grosor se estn produciendo?
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Qu tipo de disco en cuanto a grosor se estn produciendo?
El grosor medio es el adecuado?
La variabilidad del grosor es mucha o poca?
Para contestar estas preguntas, durante una semana se obtuvieron de una lnea de produccin los 125 datos de tabla 2.1. El muestreo fue sistemtico: cada determinado tiempo se tomaban cinco productos y se medan y al final de la semana se tuvieron los datos referidos. A Continuacin se analizarn estos datos por medio de diferentes estadsticos
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
1,25 1,20 1,17 1,16 1,16 1,15 1,17 1,20 1,16 1,19 1,17 1,13
1,20 1,17 1,17 1,20 1,14 1,19 1,13 1,19 1,16 1,18 1,16 1,17
1,17 1,17 1,13 1,16 1,16 1,17 1,20 1,18 1,15 1,13 1,20 1,17
1,17 1,17 1,17 1,18 1,24 1,16 1,18 1,16 1,22 1,23 1,22 1,19
1,18 1,19 1,17 1,16 1,17 1,18 1,19 1,23 1,19 1,16 1,19 1,20
TablaTablaTablaTabla 2222....1111.... DatosDatosDatosDatos deldeldeldel grosorgrosorgrosorgrosor dededede loslosloslos discosdiscosdiscosdiscos (mm)(mm)(mm)(mm)
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
1,20 1,19 1,17 1,19 1,22 1,19 1,18 1,11 1,19 1,19 1,17 1,19
1,20 1,17 1,25 1,16 1,16 1,20 1,20 1,16 1,18 1,21 1,20 1,22
1,16 1,15 1,20 1,12 1,11 1,18 1,15 1,15 1,19 1,13 1,17 1,17
1,19 1,20 1,21 1,23 1,15 1,13 1,20 1,14 1,18 1,15 1,20 1,15
1,22 1,16 1,19 1,17 1,20 1,24 1,22 1,19 1,19 1,17 1,16 1,18
1,17 1,19 1,21 1,20 1,20
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Medidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia Central
Medidas de Tendencia Medidas de Tendencia Medidas de Tendencia Medidas de Tendencia
PromedioPromedioPromedioPromedio Aritmtico (media)Aritmtico (media)Aritmtico (media)Aritmtico (media)
nmero de datos es impardatos es impardatos es impardatos es impar, n = 125 =
,
El dato 63 es la mediana por lo tanto la mediana es
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Medidas de Tendencia Medidas de Tendencia Medidas de Tendencia Medidas de Tendencia
CentralCentralCentralCentralMMMMediana (Md)ediana (Md)ediana (Md)ediana (Md)
Moda (Mo)Moda (Mo)Moda (Mo)Moda (Mo)
El dato 63 es la mediana por lo tanto la mediana es
1,18mm,
lo cual significa que el 50% de los grosores de los discos
de la muestra son menores o iguales a 1,18mm y que el
otro 50% son mayores o iguales a 1,18mm.
Hay una sola moda y es de 1,17moda y es de 1,17moda y es de 1,17moda y es de 1,17. Esta medicin fue la
ms fue la ms frecuente, se repiti 23 veces.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Medidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia Central
Promedio = 1,1 79 mmPromedio = 1,1 79 mmPromedio = 1,1 79 mmPromedio = 1,1 79 mm
Moda = 1,17 mmModa = 1,17 mmModa = 1,17 mmModa = 1,17 mm
Mediana = es 1,18 mm, Mediana = es 1,18 mm, Mediana = es 1,18 mm, Mediana = es 1,18 mm,
Datos del grosor de los discos (mm)Datos del grosor de los discos (mm)Datos del grosor de los discos (mm)Datos del grosor de los discos (mm)
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Mediana = es 1,18 mm, Mediana = es 1,18 mm, Mediana = es 1,18 mm, Mediana = es 1,18 mm,
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
De las 3 medidas de tendencia central, la media es reconocida como la mejor y ms til de las
medidas de tendencia central. SinSinSinSin embargoembargoembargoembargo, cuando en una distribucin se presentan casos cuyos
valores son muy bajos o muy altos respecto al resto del grupo, es recomendable utilizar la mediana o
la moda. (Porque dada la caractersticas de la media, esta es efectada por los valores extremos).
Medidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia CentralMedidas de Tendencia Central
Cuando la poblacin tiene una distribucin sesgada, con frecuencia lalalala medianamedianamedianamediana resultaresultaresultaresulta serserserser lalalala mejormejormejormejor
medidamedidamedidamedida dededede posicinposicinposicinposicin, debido a que est siempre entre la media y la moda.
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
medidamedidamedidamedida dededede posicinposicinposicinposicin, debido a que est siempre entre la media y la moda.
LaLaLaLa medianamedianamedianamediana no se ve altamente influida por la frecuencia de aparicin de un solo valor como es el
caso de la moda, ni se distorsiona con la presencia de valores extremos como la media.
De lo anterior se deriva que, para describir la tendencia central de los datos, es imprescindible
apoyarse tanto en lalalala mediamediamediamedia comocomocomocomo enenenen lalalala medianamedianamedianamediana yyyy lalalala modamodamodamoda. Cuando la media es muy diferente a la
mediana es seal de que existen datos atpicos o existe un sesgo importante, por lo que ser mejor
reportar como medida de tendencia central a la mediana e investigar a que se deben los datos
atpicos , ya que en ocasiones reflejan un aspecto importante del proceso.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Las medidas de tendencia central son Las medidas de tendencia central son Las medidas de tendencia central son Las medidas de tendencia central son
suficientes como criterio de calidad?.suficientes como criterio de calidad?.suficientes como criterio de calidad?.suficientes como criterio de calidad?.
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Respuesta NO.Respuesta NO.Respuesta NO.Respuesta NO.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Suponga que la longitud longitud longitud longitud de una pieza debe estar entre 800 800 800 800 5555. Para ver si se cumple
con las especificaciones se toma una muestra aleatoria grande y se obtiene que :
promedio = 801; mediana = 800 y moda = 800 mm
Las medidas de tendencia central son insuficientes Las medidas de tendencia central son insuficientes Las medidas de tendencia central son insuficientes Las medidas de tendencia central son insuficientes
como criterio de calidadcomo criterio de calidadcomo criterio de calidadcomo criterio de calidad
Debido a que estos estadsticos estn dentro de las especificaciones se podra creer
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Debido a que estos estadsticos estn dentro de las especificaciones se podra creer
que proceso cumple con ests.
Sin embargo, esto no necesariamente es cierto ya que en la muestra podra haber
datos desdedesdedesdedesde 750750750750 yyyy 850850850850 y la media de todos ellos ser 801801801801....
Pero tambin podra ocurrir que el rango de variacin de los datos vaya de 797 a
803, con lo que s se cumplira con las especificaciones.
En otras palabras, las medidas de tendencia central son insuficiente como criterio
de calidad, ya que no toman en cuenta ququququ tantantantan dispersosdispersosdispersosdispersos estn los datos, un hecho
vital para la calidad.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Medidas de Dispersin o VariabilidadMedidas de Dispersin o VariabilidadMedidas de Dispersin o VariabilidadMedidas de Dispersin o Variabilidad
Los estadsticos de tendencia central o posicin nos indican donde se sita
un grupo de puntuaciones. Los de variabilidad o dispersin nos indican si
esas puntuaciones o valores estn prximas entre s o si por el contrario
estn o muy dispersas.
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
esas puntuaciones o valores estn prximas entre s o si por el contrario
estn o muy dispersas.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Medidas de Dispersin o VariabilidadMedidas de Dispersin o VariabilidadMedidas de Dispersin o VariabilidadMedidas de Dispersin o VariabilidadDesviacin estndar Desviacin estndar Desviacin estndar Desviacin estndar muestralmuestralmuestralmuestral. . . .
y Poblacional y Poblacional y Poblacional y Poblacional
RangoRangoRangoRango
Indica la magnitud relativa de la desviacinestndar en comparacin con la media. Es tilpara contrastar la variacin de dos o msvariables que estn medidas en diversas escalas.
Es la medida ms usual de la variabilidad e indica qu tan esparcidos estn los datos con respecto a la media; se denota con la letra S (muestral) y (poblacional) ( )2
N
X =
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Medidas de DisperMedidas de DisperMedidas de DisperMedidas de Dispersin o sin o sin o sin o
VariabilidadVariabilidadVariabilidadVariabilidadCoeficiente de Variacin CVCoeficiente de Variacin CVCoeficiente de Variacin CVCoeficiente de Variacin CV
para contrastar la variacin de dos o msvariables que estn medidas en diversas escalas.
Es el resultado de la diferencia entre el datomayor y el dato menor de la muestra.El rango mide la amplitud de la variacin de ungrupo de datos,
Lmites reales o naturalesLmites reales o naturalesLmites reales o naturalesLmites reales o naturales Los lmites reales o naturales de un procesoindican los puntos entre los cuales vara lasalida de un proceso.Limite real Inferior (LRI) = - 3 S yLimite real superior (LRS) = + 3 S ,
Los lmites indican de dnde a donde vara la salida de unproceso..En un estudio de capacidad, estos lmites reales secomparan con las especificaciones para la caracterstica decalidad.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Medidas de Dispersin o VariabilidadMedidas de Dispersin o VariabilidadMedidas de Dispersin o VariabilidadMedidas de Dispersin o VariabilidadDesviacin estndar Desviacin estndar Desviacin estndar Desviacin estndar muestralmuestralmuestralmuestral. . . .
y Poblacional y Poblacional y Poblacional y Poblacional
RangoRangoRangoRango R=1,25 R=1,25 R=1,25 R=1,25 ---- 1,11 = 0,141,11 = 0,141,11 = 0,141,11 = 0,14
S = 0,02757 S = 0,02757 S = 0,02757 S = 0,02757
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Medidas de DisperMedidas de DisperMedidas de DisperMedidas de Dispersin o sin o sin o sin o
VariabilidadVariabilidadVariabilidadVariabilidadCoeficiente de Variacin CVCoeficiente de Variacin CVCoeficiente de Variacin CVCoeficiente de Variacin CV
CV=CV=CV=CV= 0000,o,o,o,o2757275727572757 xxxx 100100100100////1111,,,,179179179179 ==== 2222,,,,34343434
Lmites reales o naturalesLmites reales o naturalesLmites reales o naturalesLmites reales o naturales(LRI)(LRI)(LRI)(LRI) ==== 1111,,,,179179179179 3333((((0000,,,,02757027570275702757)=)=)=)= 1111,,,,096096096096
(LRS)(LRS)(LRS)(LRS) ==== 1111,,,,179179179179 3333((((0000,,,,02757027570275702757)=)=)=)= 1111,,,,262262262262
Los lmites de la empresa indican EI=1,10 y ES =1,30Los lmites de la empresa indican EI=1,10 y ES =1,30Los lmites de la empresa indican EI=1,10 y ES =1,30Los lmites de la empresa indican EI=1,10 y ES =1,30
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Cmo podemos hacer un anlisis en Cmo podemos hacer un anlisis en Cmo podemos hacer un anlisis en Cmo podemos hacer un anlisis en
conjunto de las medidas de tendencia conjunto de las medidas de tendencia conjunto de las medidas de tendencia conjunto de las medidas de tendencia
central y medidas de dispersin o central y medidas de dispersin o central y medidas de dispersin o central y medidas de dispersin o
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
conjunto de las medidas de tendencia conjunto de las medidas de tendencia conjunto de las medidas de tendencia conjunto de las medidas de tendencia
central y medidas de dispersin o central y medidas de dispersin o central y medidas de dispersin o central y medidas de dispersin o
variabilidad?variabilidad?variabilidad?variabilidad?
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Cmo podemos hacer un anlisis en conjunto de las medidas Cmo podemos hacer un anlisis en conjunto de las medidas Cmo podemos hacer un anlisis en conjunto de las medidas Cmo podemos hacer un anlisis en conjunto de las medidas de tendencia central y medidas de dispersin o variabilidad?de tendencia central y medidas de dispersin o variabilidad?de tendencia central y medidas de dispersin o variabilidad?de tendencia central y medidas de dispersin o variabilidad?
Para el anlisis de un conjunto de datos la clave es conocer su
tendencia central y su dispersin, siendo el Histograma y la
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
tendencia central y su dispersin, siendo el Histograma y la
tabla de frecuencias mediante los cuales se permiten visualizar
estos dos aspectos de un conjunto de datos, adems muestran
la forma en que los datos se distribuyen dentro de su rango de
variacin
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
HistogramasHistogramasHistogramasHistogramas
El histograma es una representacin grfica de ladistribucin de un conjunto de datos o de unavariable, donde los datos se clasifican por sumagnitud en cierto nmero de clases.El histograma permite visualizar la tendencia central,la dispersin y la forma de la distribucin.
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
El histograma permite visualizar la tendencia central,la dispersin y la forma de la distribucin.
El histograma ayuda a ver la tendencia central de los datos, facilita elentendimiento de la variabilidad y favorece el pensamiento estadstico, yaque de un solo vistazo se logra tener una idea acerca de la capacidad de unproceso, se evitan tomar decisiones solo apoyndose en la media y sedetectan datos raros y formas especiales de la distribucin de los datos
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Interpretacin de Interpretacin de Interpretacin de Interpretacin de HistogramasHistogramasHistogramasHistogramas
Cuando un histograma se construye de manera correcta, es resultado de unnmero suficiente de datos (de preferencia ms de 100), y estos sonrepresentativos del estado del proceso durante el perodo de inters ;entonces, se recomienda considerar los siguientes puntos en la interpretacindel histograma
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
del histograma
1111.... ObservarObservarObservarObservar lalalala tendenciatendenciatendenciatendencia centralcentralcentralcentral dededede loslosloslos datosdatosdatosdatos. Localizar en el eje horizontal oescala de medicin las barras con mayores frecuencias. En el histograma dela figura 2.1, una parte sustancial de las medicin es se localizan entre 1,14y 1,20 mm.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Interpretacin de Interpretacin de Interpretacin de Interpretacin de HistogramasHistogramasHistogramasHistogramas
2222.... EstudiarEstudiarEstudiarEstudiar elelelel centradocentradocentradocentrado deldeldeldel procesoprocesoprocesoproceso. Para ello, es necesario apoyarse en el punto anterior yobservar la posicin central del cuerpo del histograma con respecto a la calidad ptima y a las
especificaciones. Por ejemplo en la figura
a) Primero presenta poca variabilidad, b. Mucha variabilidad
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
especificaciones. Por ejemplo en la figura
a) Primero presenta poca variabilidad, b. Mucha variabilidad
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Interpretacin de Interpretacin de Interpretacin de Interpretacin de HistogramasHistogramasHistogramasHistogramas
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
b) y d) se observan procesos descentrados, el primero con poca variabilidad y el segundo
con mucha. Aun cuando se cumplan las especificaciones, si el proceso no est centrado, la
calidad que se produce no es adecuada, ya que entre ms se aleje del ptimo ms mala
calidad se tendr. Por ello, en caso de tener un proceso descentrado se procede a realizar los
ajustes o cambios necesarios para centrar el proceso.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Interpretacin de Interpretacin de Interpretacin de Interpretacin de HistogramasHistogramasHistogramasHistogramas
3333.... ExaminarExaminarExaminarExaminar lalalala variabilidadvariabilidadvariabilidadvariabilidad deldeldeldel procesoprocesoprocesoproceso. Consiste en comparar la amplitud de lasespecificacin es con el ancho del histograma. Para considerar que la dispersinno es demasiada, el ancho del histograma debe caber de forma holgada en lasespecificaciones.
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
no es demasiada, el ancho del histograma debe caber de forma holgada en lasespecificaciones.En la figura 2.2incisos a) y b) hay poca variacin, mientras que en losincisos c) y d) ocurre lo contrario.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Interpretacin de Interpretacin de Interpretacin de Interpretacin de HistogramasHistogramasHistogramasHistogramas4.4.4.4. AnalizarAnalizarAnalizarAnalizar lalalala formaformaformaforma deldeldeldel histogramahistogramahistogramahistograma.... Al observar un histograma considerar
que la forma de distribucin de campana es la que ms se da en salidas deproceso y tiene caractersticas similares a la distribucin normal fig 2,2 a),b), c) y d). Es necesario revisar si la forma del histograma es muy diferente ala de campana. Algunas de las formas tpicas que no coinciden con unadistribucin de campana, son las siguientes.
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
distribucin de campana, son las siguientes.
DistribucinDistribucinDistribucinDistribucin sesgadasesgadasesgadasesgada. Es una forma asimtrica de la distribucin de unosdatos o una variable, donde la cola de un lado de la distribucin es mslarga que la del otro lado.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Interpretacin de Interpretacin de Interpretacin de Interpretacin de HistogramasHistogramasHistogramasHistogramas4.4.4.4. AnalizarAnalizarAnalizarAnalizar lalalala formaformaformaforma deldeldeldel histogramahistogramahistogramahistograma....
DistribucinDistribucinDistribucinDistribucin multimodalmultimodalmultimodalmultimodal. Es una forma de la distribucin de unos datos enla que sea aprecia claramente dos o ms modas (picos). Por lo general, cadamoda refleja una condicin o realidad diferente. En la figura 2,2 f) seaprecia un histograma en el que claramente se notan dos modas o picos quemuestran dos tendencias centrales diferentes. Este tipo de distribuciones condos o ms modas reflejan la presencia de dos o ms realidades o condiciones
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
muestran dos tendencias centrales diferentes. Este tipo de distribuciones condos o ms modas reflejan la presencia de dos o ms realidades o condicionesdiferentes
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Medidas de FormaMedidas de FormaMedidas de FormaMedidas de Forma
Sesgo o Sesgo o Sesgo o Sesgo o AsimetriaAsimetriaAsimetriaAsimetria
Es una medida numrica de la asimetra en ladistribucin de un conjunto de datos. Evala el gradode distorsin o inclinacin que adopta la distribucinde los datos respecto a su valor promedio tomado comocentro de gravedad.
,
Un aspecto relevante en el anlisis de un conjunto de datos o una variable es estudiar la forma desu distribucin. Entre ellos tenemos el sesgo y la curtosis.
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Medidas de formaMedidas de formaMedidas de formaMedidas de forma
Sesgo o Sesgo o Sesgo o Sesgo o AsimetriaAsimetriaAsimetriaAsimetria
CurtosisCurtosisCurtosisCurtosis
centro de gravedad.
Estadstico que mide qu tan elevada o plana es lacurva de la distribucin de unos datos respecto a ladistribucin normal. (Evala el grado deapuntamiento de la distribucin)..
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Medidas de FormaMedidas de FormaMedidas de FormaMedidas de Forma
,
Un aspecto relevante en el anlisis de un conjunto de datos o una variable es estudiar la forma desu distribucin. Entre ellos tenemos el sesgo y la curtosis.
Si el signo es de la curtosis es positivo
indica que la curva de distribucin de los
datos es ms empinada o alta (picuda) en
el centro y con colas relativamente largas;
ambos aspectos se refieren a la distribucin
normal.
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
ambos aspectos se refieren a la distribucin
normal.
Pero si es signo es negativo , se tendr una
curva ms aplanada y con colas ms cortas
con respecto a la normalidad . Para los
datos que siguen una distribucin normal
el valor de la curtosis estandarizada debe
estar dentro de (-2, +2),por lo que si n es
grande (n>100) y el estadstico cae fuera de
este intervalo , ser una evidencia de que la
distribucin de los datos no es normal.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Medidas de LocalizacinMedidas de LocalizacinMedidas de LocalizacinMedidas de Localizacin
,
CuantilesCuantilesCuantilesCuantiles
(percentiles)(percentiles)(percentiles)(percentiles)
Los cuantiles son medidas de localizacin que dividen un conjunto dedatos ordenados en ciertos nmero de grupos o partes que contienen lamisma cantidad de datos.Si los datos ordenados se dividen en:3 partes, se les conoce como terciles, pero si se divide en4 partes ..se le denomina cuartiles,5 partes quintiles, si la divisin es en10 partes. tendremos los deciles
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Medidas de Medidas de Medidas de Medidas de
LocalizacinLocalizacinLocalizacinLocalizacin
CuartilessCuartilessCuartilessCuartiless
Los cuartiles son iguales a los percentiles 25, 50, 75 y sirven paraseparar por magnitud la distribucin de unos datos en cuatro grupos,donde cada uno contiene 25% de los datos.Al percentil 25 se le conoce como primer cuartil o cuartil inferior Ci,mientras que la mediana es el percentil 50 corresponde al cuartil medioCm, y el percentil 75 es el cuartil superior Cs o tercer cuartil.El clculo de estos estadsticos se realizan mediante cualquier software
moderno estadstico.
Diagrama de Caja Diagrama de Caja Diagrama de Caja Diagrama de Caja El diagrama de cajas es una grafica de la distribucin de un conjuntode datos que se basa en los cuartiles. Es de gran utilidad para haceranlisis comparativos.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Diagrama de CajasDiagrama de CajasDiagrama de CajasDiagrama de Cajas
,
El diagrama de caja es otra herramienta que sirve para describir el comportamiento de los datosy es de suma utilidad para comparar procesos, tratamientos y, en general, para hacer anlisispor estratos (lotes, proveedores, turnos, etc).Este diagrama divide los datos en 4 grupos que contienen cada uno 25% de las mediciones. Deesta forma es posible visualizar dnde termina de acumularse 25% de los datos menores , y apartir de donde se localiza 25 % de los datos mayores en entre estos dos cuartiles se ubica el50% de los datos que estn al centro . Pero adems de los cuartiles estn involucrados lossiguientes conceptos.
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
50% de los datos que estn al centro . Pero adems de los cuartiles estn involucrados lossiguientes conceptos.
Rango Intercuartiltico Rc = Cs - Ci
Barrera interior izquierda = Ci 1.5 Rc e interior derecha Cs + 1.5 Rc
Barrera exterior Izquierda = Ci 3 Rc y exterior Cs + 3 Rc
En la figura 2.3 se muestra el diagrama de caja para los datos
de grosor de los discos.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Interpretacin de Diagrama de CajasInterpretacin de Diagrama de CajasInterpretacin de Diagrama de CajasInterpretacin de Diagrama de Cajas
,
El largo del diagrama (que incluye elrectngulo ms ambos brazo), ya que estoindica una medida de la variacin de losdatos y resulta de gran utilidad sobre todopara comparar la variacin entre procesos,lotes o turnos de trabajo o produccin . engeneral entre mas largo sea este diagramaindicar una mayor variacin de los datos
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
general entre mas largo sea este diagramaindicar una mayor variacin de los datoscorrespondientes.
LaLaLaLa parteparteparteparte centralcentralcentralcentral deldeldeldel diagramadiagramadiagramadiagrama indica latendencia central de los datos, por lo quetambin ayudar a comparar dos o msprocesos, maquinas, lotes o turnos encuanto a su tendencia central.,
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Interpretacin de Diagrama de CajasInterpretacin de Diagrama de CajasInterpretacin de Diagrama de CajasInterpretacin de Diagrama de Cajas
,
Comprar de manera visual lalalala longitudlongitudlongitudlongitud dededede loslosloslos
brazosbrazosbrazosbrazos , si uno es notoriamente ms largo
que el otro, entonces la distribucin de los
datos quizs este sesgada en direccin del
brazo ms largo.
Tambin es preciso observar la ubicacin de
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Tambin es preciso observar la ubicacin de
la lnea mediana que parte la caja , ya que si
est mas cerca de uno de los extremos , ser
seal de un probable sesgosesgosesgosesgo en los datos
En caso de que el diagrama est basado en una cantidad suficiente de datos (ejemplo 10 como mnimo), es
necesario ver si hay datos fuera de las barreras interiores , marcados con un punto, ya que entre ms alejado este un
dato del final del brazo, ser seal de que probablemente sea un dato atpico. Si los datos caen mas all de las
barreras exteriores, prcticamente es un hecho que tales datos son atpicos.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
como se realiza un estudio Real de como se realiza un estudio Real de como se realiza un estudio Real de como se realiza un estudio Real de
capacidad del Pr0ceso?.capacidad del Pr0ceso?.capacidad del Pr0ceso?.capacidad del Pr0ceso?.
Ahora si Ahora si Ahora si Ahora si
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
capacidad del Pr0ceso?.capacidad del Pr0ceso?.capacidad del Pr0ceso?.capacidad del Pr0ceso?.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
En un proceso de puntera para motor se tiene que el cuerpo de
cierta puntera debe tener un dimetro exterior de 0,02m (2,0 cm)
con una tolerancia de 25m. A las mediciones originales se les
resta el valor nominal de 20 000 m, por lo que el resultado de la
resta debe estar de 25m, y ahora el valor nominal ser cero, la
tolerancia o especificacin inferior es EI= -25 y la superior , ES= 25.
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
tolerancia o especificacin inferior es EI= -25 y la superior , ES= 25.
En una de las ltimas etapas del proceso de fabricacin de las
punteras (componentes del motor), cada hora se mide el dimetro
de cinco punteras. En la siguiente tabla se aprecian los datos de
cuatro turnos (dos das).
( 1 m = 0,000001)
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Datos para dimetros de punteras
-21 -5 21 3 -12 4 3 7 22 -18 -13 7
-4 0 13 6 -20 6 1 4 3 9 -10 -4
-13 9 7 0 5 11 4 17 3 2 -23 -4
2 -16 10 1 -2 -4 -16 10 -13 1 -6 11
2 19 -1 6 6 8 2 9 -4 -22 1 -2
0 -3 -13 14 -3 7 5 -1 -1 1 10 7
-2 -19 2 7 12 -9 10 5 14 -4 4 21
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
-7 5 -1 1 4 -4 17 0 5 6 -19 -7
-11 0 15 4 2 -8 -16 2 -7 -5 -5 2
-7 -14 -20 -19 7 11 2 -4 -9 -33 -3 12
15 2 12 14 10 -
14
10 -1 7 3 5 -6
-8 28 22 0 26 -13 5 -2 -10 10 -14 7
3 -1 4 -2 0 -5
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Capacidad de l ProcesoCapacidad de l ProcesoCapacidad de l ProcesoCapacidad de l Proceso
,
En la tabla se muestran los Aspectos ms relevantes para evaluar la capacidad del proceso para cumplir con las
especificaciones de la longitud del dimetro
EstadsticoEstadsticoEstadsticoEstadstico Anlisis y comentarioAnlisis y comentarioAnlisis y comentarioAnlisis y comentario ConclusionesConclusionesConclusionesConclusiones
Medidas de tendencia
central
prom =0,59
Mediana= 2
Moda =2
- Las medidas de tendencia central son
relativamente similares y muy cercanos a 0, por lo
que la tendencia central del proceso es adecuada.
- 50% de las 150 mediciones fue mayor o igual a 2
micras.
Proceso centrado con
=0,59
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Moda =2 micras.
- El dimetro ms frecuente fue de 2 micras.
Desviacin estndar
S=10,5
Lmites reales
aproximados x 3S
LR inf = - 30,9
LR Sup= 32,1
- En forma aproximada se espera que el dimetro
de las punteras vare entre 0,59 31,5 (-30,9 a 32,1
micras). La amplitud de esto lmites es mayor a la
variacin tolerada (25).
- Ambos lmites estn fuera de las especificaciones,
por lo que se estn haciendo punteras que no
cumplen con las especificaciones.
La variacin real del
proceso es demasiado,
por lo que se est
fabricando producto
fuera de las
especificaciones
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Capacidad de l ProcesoCapacidad de l ProcesoCapacidad de l ProcesoCapacidad de l Proceso
,
En la tabla se muestran los Aspectos ms relevantes para evaluar la capacidad del proceso para cumplir con las
especificaciones de la longitud del dimetro
EstadsticoEstadsticoEstadsticoEstadstico Anlisis y comentarioAnlisis y comentarioAnlisis y comentarioAnlisis y comentario ConclusionesConclusionesConclusionesConclusiones
Grfica de la capacidad
(histograma)
- La distribucin se ajusta de forma razonable a la normal
y no se observa ningn comportamiento especial.
- La tendencia central se ubica alrededor de 0 y el cuerpo
del histograma est centrado con respecto a las
especificaciones, pero no cabe dentro de las
Hay mucha variacin
en el proceso
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
especificaciones, pero no cabe dentro de las
especificaciones.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Capacidad de l ProcesoCapacidad de l ProcesoCapacidad de l ProcesoCapacidad de l Proceso
,
ConclusionesConclusionesConclusionesConclusiones FinalesFinalesFinalesFinales:
Para reducir la variabilidad se debe encontrar que aspectos de las 6sigma estn
distribuyendo ms al exceso de variacin. Esto se realiza estratificando ( separando)
los datos por turno , por lote, por condiciones del proceso. Etc.; al hacer el anlisis es
preciso ver si hay diferencias importantes de un estrato a otro. De ser as , se deben
tomar las medidas necesarias para hacer ms homogneos los estratos.
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
tomar las medidas necesarias para hacer ms homogneos los estratos.
Otra posibilidad es analizar a detalle los patrones de comportamiento del proceso
apoyndose en la carta X-R, y ver si hay patrones en funcin de turnos, operadores,
lotes,etc.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Capacidad de l ProcesoCapacidad de l ProcesoCapacidad de l ProcesoCapacidad de l Proceso
,
En la tabla se muestras los aspectos ms relevantes para evaluar la
capacidad del proceso, de acuerdo con el anlisis realizado, se concluye
que el procesoprocesoprocesoproceso estestestest centradocentradocentradocentrado y que la variacinvariacinvariacinvariacin eseseses grandegrandegrandegrande, por lo que la
capacidadcapacidadcapacidadcapacidad realrealrealreal deldeldeldel procesoprocesoprocesoproceso eseseses malamalamalamala....
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
que el procesoprocesoprocesoproceso estestestest centradocentradocentradocentrado y que la variacinvariacinvariacinvariacin eseseses grandegrandegrandegrande, por lo que la
capacidadcapacidadcapacidadcapacidad realrealrealreal deldeldeldel procesoprocesoprocesoproceso eseseses malamalamalamala....
Se deben seguir las recomendaciones dadas al final de la tabla para
reducir la variabilidad y de esa forma mejorar la calidad de las punteras.
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Ahora si puedo realizar la capacidad Ahora si puedo realizar la capacidad Ahora si puedo realizar la capacidad Ahora si puedo realizar la capacidad
del proceso del siguiente enunciadodel proceso del siguiente enunciadodel proceso del siguiente enunciadodel proceso del siguiente enunciado
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Ahora si puedo realizar la capacidad Ahora si puedo realizar la capacidad Ahora si puedo realizar la capacidad Ahora si puedo realizar la capacidad
del proceso del siguiente enunciadodel proceso del siguiente enunciadodel proceso del siguiente enunciadodel proceso del siguiente enunciado
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
En un proceso de inyeccin de plstico una caracterstica de calidad delproducto (disco) su grosor, que debe ser de 1,20 mm con una tolerancia de 0,10 mm. As para considerar que el proceso de inyeccin fuesatisfactorio, el grosor del disco debe estar entre la especificacin inferior,EI=1,10 y la superior, ES= 1,30. En un estudio de capacidad para esteproceso es necesario contestar las siguientes interrogantes:
Qu tipo de disco en cuanto a grosor se estn produciendo?
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
Qu tipo de disco en cuanto a grosor se estn produciendo?
El grosor medio es el adecuado?
La variabilidad del grosor es mucha o poca?
Determine el estudio de capacidad de proceso y de sus conclusiones
Para contestar estas preguntas, durante una semana se obtuvieron de una lnea de produccin los 125 datos de tabla 2.1. El muestreo fue sistemtico: cada determinado tiempo se tomaban cinco productos y se medan y al final de la semana se tuvieron los datos referidos. A Continuacin se analizarn estos datos por medio de diferentes estadsticos
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
1,25 1,20 1,17 1,16 1,16 1,15 1,17 1,20 1,16 1,19 1,17 1,13
1,20 1,17 1,17 1,20 1,14 1,19 1,13 1,19 1,16 1,18 1,16 1,17
1,17 1,17 1,13 1,16 1,16 1,17 1,20 1,18 1,15 1,13 1,20 1,17
1,17 1,17 1,17 1,18 1,24 1,16 1,18 1,16 1,22 1,23 1,22 1,19
1,18 1,19 1,17 1,16 1,17 1,18 1,19 1,23 1,19 1,16 1,19 1,20
TablaTablaTablaTabla 2222....1111.... DatosDatosDatosDatos deldeldeldel grosorgrosorgrosorgrosor dededede loslosloslos discosdiscosdiscosdiscos (mm)(mm)(mm)(mm)
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
1,20 1,19 1,17 1,19 1,22 1,19 1,18 1,11 1,19 1,19 1,17 1,19
1,20 1,17 1,25 1,16 1,16 1,20 1,20 1,16 1,18 1,21 1,20 1,22
1,16 1,15 1,20 1,12 1,11 1,18 1,15 1,15 1,19 1,13 1,17 1,17
1,19 1,20 1,21 1,23 1,15 1,13 1,20 1,14 1,18 1,15 1,20 1,15
1,22 1,16 1,19 1,17 1,20 1,24 1,22 1,19 1,19 1,17 1,16 1,18
1,17 1,19 1,21 1,20 1,20
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
RespuestaRespuestaRespuestaRespuesta
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
TablaTablaTablaTabla .... AnlisisAnlisisAnlisisAnlisis dededede lalalala capacidadcapacidadcapacidadcapacidad deldeldeldel procesoprocesoprocesoproceso
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
-
Herramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la CalidadHerramientas y Control Estadstico de la Calidad
Estadstico Anlisis y comentario Conclusiones
Medidas de tendencia central
Desviacin estndar
S=
Lmites reales aproximados
LR inf =
LR Sup=
TablaTablaTablaTabla .... AnlisisAnlisisAnlisisAnlisis dededede lalalala capacidadcapacidadcapacidadcapacidad deldeldeldel procesoprocesoprocesoproceso
Ing. Martha TesnIng. Martha TesnIng. Martha TesnIng. Martha Tesn AAAA
LR inf =
LR Sup=
Grfica de la capacidad
(histograma)
Conclusiones Finales:
-