seis_sigma_medicion_gb.ppt

Upload: viposadas373

Post on 06-Jul-2018

214 views

Category:

Documents


0 download

TRANSCRIPT

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    1/402

    1

    Programa de certifcaciónde Green Belts

    III. Seis Sigma - Medición

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    2/402

    2

      Fase de medición Propósitos:

    Determinar req. de información para el proyecto Denir las Mtricas de los indicadores del Proceso Identicar los tipos! f"entes y ca"sas de la #ariación

    en el proceso Desarrollar "n Plan de $ecolección de Datos $eali%ar "n &n'lisis del Sistema de Medición (MS&)

    *le#ar a ca+o la recolección de datos

    Salidas Diagnóstico de la sit"ación act"al del pro+lema

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    3/402

    ,

    III. Seis Sigma - Medición&. &n'lisis y doc"mentación del proceso. Pro+a+ilidad y estadstica

    /. /olección y res"men de datos

    D. Distri+"ciones de pro+a+ilidad

    0. &n'lisis de los sistemas de medición

    F. /apacidad y desempeo de procesos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    4/402

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    5/402

    3

    III&. &n'lisis y doc"mentación

    del proceso1. Modelado del proceso

    2. 0ntradas y salidas del proceso

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    6/402

    4

    III&.1 Modelado delproceso

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    7/4025

    &n'lisis y doc"mentación del

    proceso6n proceso es "n con7"nto de rec"rsos y

    acti#idades q"e transforman entradas en

    salidas agregando #alor. *as acti#idadesde+en ser doc"mentadas y controladas.

    Se anali%an los tópicos sig"ientes:

    1. 8erramientas2. 0ntradas y salidas del proceso

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    8/4029

    &n'lisis y doc"mentación del

    proceso - 8erramientas Diagramas de "7o Mapas de proceso

    Procedimientos escritos Instr"cciones de tra+a7o

    &n'lisis de proceso Doc"mentación del proceso

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    9/402;

    Diagrama de "7o 6n diagrama de "7o o mapa de proceso es

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    10/4021=

    Diagrama de "7o >rgani%ar "n eq"ipo para e?aminar el proceso

    /onstr"ir "n mapa de proceso para representarlos pasos del proceso

    Disc"tir y anali%ar cada paso en detalle

    Preg"ntarse @Por q" lo Aacemos de estamaneraB

    /omparar el proceso act"al a "n procesoimaginario Cperfecto

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    11/40211

    Diagrama de "7o @8ay comple7idad innecesariaB @0?iste d"plicación o red"ndanciaB

    @8ay p"ntos de control para e#itar errores yrecAa%osB

    @Se reali%a el proceso de ac"erdo a como est'planeadoB

    @P"ede reali%arse el proceso de maneradiferenteB

    @las ideas de me7ora p"eden #enir de procesos

    m"y diferentesB

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    12/40212

    Diagrama de "7oSm+olos de Diagramas de "7o

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    13/4021,

    Diagrama de "7oDiagramas de "7o - 07emplo

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    14/4021

    Diagrama de "7oenecios Permiten #is"ali%ar el proceso q"e se est'

    descri+iendo Descri+en el proceso con sm+olos! ecAas ypala+ras sin necesidad de oraciones

    *a mayora "sa sim+ologa estandari%ada

    (&ESI 13.,) Si se "sa softGare el n

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    15/40213

    Diagrama de "7o

    Diagramas de "7o o mapas de proceso Permiten comprender la operación del proceso Eormalmente representan el p"nto de inicio para la me7ora

    Pasos para ela+orarlo (Sm+olos &ESI 13.,) >rgani%ar "n eq"ipo para e?aminarlo /onstr"ir "n diagrama de "7o representando cada paso Disc"tir y anali%ar detalladamente cada paso

    Preg"ntarse @Porq" lo Aacemos de esta formaB /omparar esta forma con la del proceso Cperfecto 0?iste demasiada comple7idad! d"plicidad o red"ndancia @Se opera el proceso como est' planeado y p"ede

    me7orarseB

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    16/40214

    Proceso Desición Documento Datos

    Proceso Preparación Operación Entrada

    Predefinido Manuales

    Conector Con. página Display Almacen Terminador 

    Sm+olos de diagrama de"7o

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    17/402

    15

     Sm+olos para Diagramas de

    Fl"7oIniciarHDetener ransmisión

    >peraciones(Jalor agregado)

    Decisión

    Inspección HMedición

     ransportación

    &lmacenar

    0ntradaHSalida

    *neas de Fl"7o

    $etraso

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    18/402

    19

     Proceso:

    Inicio

    Fin

    Paso A Paso ! Paso C

    Paso "

    Paso #

    $!ueno%&etra'a(o )*+o

    Es el diagrama de flu(o de un proceso

    ,ue muestra cómo se reali-a un tra'a(o.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    19/402

    1;

    Diagrama de "7o H &n'lisis del #alor

    &cti#idades sin #alor agregado

    &cti#idades con #alor agregado

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    20/402

    2=

    @/ómo &y"da "n Mapa deProcesoB

    6na #e% q"e podemos #erlas cosas -podemos Aa+larde ellas.

    *os pasos q"e no agregan#alor se Aacen m'se#identes.

    0l retra+a7o y lasreparaciones son o+#ias.

    Se p"ede llegar a ac"erdos.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    21/402

    21

    Diagramas de Fl"7o 0?istentes

    /reados para "npropósito diferente.

    /on frec"encia no

    ree7an los p"ntos deinicio y Fin adec"ados. Eo son Ccómo es. CK"ieren ser Eo sealan el

    desperdicio.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    22/402

    22

    &pro#ecAa al 0q"ipo

    8a% recorridos!entre#istas y re#isionesde los diagramas de "7oy los est'ndarese?istentes.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    23/402

    2,

    L8a% el Mapa del Proceso lo m's

    Pronto Posi+le seala con claridad la

    región en la q"e el eq"ipo

    se de+e enfocar.

    e#ita q"e el eq"ipo salgade los lmites del proyecto.

    0l mapa de "n proceso...

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    24/402

    2

    0l Inicio y el Fin Se De+en Poder

    Medir

    Selecciona los p"ntosde Inicio y Fin dondese lle#an a ca+oacciones q"e se

    p"eden medir.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    25/402

    23

    07ercicio $'pido - Inicio y FinProceso Inicio Fin

    0nsam+le de

    &siento

    Di+"7os deIngeniera

    Man"fact"ra en

    $iel de &sientos/"entas por

    Pagar

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    26/402

    24

    07emplos - Inicio y Fin

    Proceso Inicio Fin

    0nsam+le de&siento

    Marco de metalp"esto enlnea

    Inspección Final

    Di+"7os deIngeniera

    $eq"erimientosdel /liente

    /liente$eci+eel &rcAi#o /&D

    Man"fact"ra en

    $iel de&siento

    >peración de

    Prles0stampados

    Inspección Final

    /"entasporPagar

    $ecepción de laFact"radelPro#eedor

    Depósito0lectrónico

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    27/402

    25

    Permite q"e la Nente #ea el

    Mapa del Proceso De ser posi+le! la gente

    q"e tra+a7a en el

    proceso de+e poder #er"na copia grande aescala del mapa delproceso.

    L*as re#isiones!s"gerencias ycorrecciones son+ien#enidas

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    28/402

    29

    8erramientas de "n Mapa de

    Proceso

    $otafolios y Marcadores.

    8o7as para $otafolio yEotas &"toadAeri+les.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    29/402

    2;

    Pasos para 0la+orar "n Mapa de

    Proceso1. 0sta+le%can los p"ntos de

    Inicio y Fin del proceso.

    2. 8agan "na lista de lospasos del proceso mediante"na tormenta de ideas.

    ,. $ealicen el primer recorridoy entre#istas.

    . 0la+oren "na lista de losproceso cla#e en las notasa"toadAeri+les.

    3. Disc"tan! re#isen ymodiq"en.

    4. 8agan "n seg"ndorecorrido y entre#istas.

    5. &adan pasos deinspección! retra+a7o!

    reparación y desperdicio enlas notas a"toadAeri+les.

    9. 0la+oren "n mapa deproceso Ccómo es.

    Como equipo...

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    30/402

    ,=

    L8a%lo f'cil

    0n este momento! el mapade proceso Ccómo es de+eser de Calto ni#el! pero 

    de+e incl"ir todos los pasosprimarios necesarios parao+tener la me7ora deseada(es decir! los pasos con#alor agregado relati#os a

    los /K! //! /D). Idealmente! m"estra de

    cinco a die% pasos.

    &grega m's detalles

    posteriormente.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    31/402

    ,1

    Paso 1: P"ntos de Inicio y Fin

    $e#isen la declaracióndel pro+lema.

    Descri+an los procesosq"e ca"san el pro+lema.

    /omenten los p"ntos de

    Inicio y Fin q"e sep"eden medir.

    Pónganse de ac"erdo y

    regstrenlos.

    Declaración del Pro+lema:

    0l cliente esperalos di+"7os modicadosdemasiado tiempo.

    Proceso:Proceso de re#isión dedi+"7os.

    Preg"nta:

    @/"'l podra ser elp"nto de InicioB

    Preg"nta:@/"'l podra ser p"nto

    de FinB

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    32/402

    ,2

    P"ntos de Inicio y Fin Declaración del Pro+lema:

    C0l /liente espera demasiado tiempo los di+"7osmodicados.

    Proceso:

    Proceso de re#isión de di+"7os.

    Inicio:

    0l /liente solicita "n formato de cam+io dedi+"7os.

    Fin:

    Se entrega el arcAi#o de di+"7os (/&D) al /liente.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    33/402

    ,,

    Paso 2: ormenta de Ideas so+relos Pasos del Proceso

    0scri+an Inicio y Findonde todos lop"edan #er.

    0l eq"ipo aportaideas so+re lospasos del procesoq"e e?isten entre elinicio y el n.

    Inicio:0l /liente solicita "nformato de cam+io dedi+"7os.

    Preg"nta:@/"'les son alg"nosde los pro+a+les pasosdel proceso entre los

    p"ntos de inicio y nBFin:

    0l arcAi#o /&D seentrega al /liente.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    34/402

    ,

    Pasos del Proceso Inicio:

    0l /liente solicita "n formato de cam+io de di+"7os. Pasos a seg"ir:

    osq"e7ar el cam+io req"erido. /alc"lar el impacto del cam+io. Determinar c"'les di+"7os necesitan

    cam+iarse.

    /am+iar los di+"7os apropiados. Fin:

    0l arcAi#o /&D se entrega al /liente.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    35/402

    ,3

    Paso ,: Primer $ecorrido y0ntre#istas

    0l eq"ipo recorre elproceso e?istente.

    >+ser#en cómo se Aace

    el tra+a7o. Platiq"en con la gente

    (entre#isten).

     omen notas. 0nfóq"ense en los pasos

    del proceso.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    36/402

    ,4

    Paso : Eotas &"toadAeri+les 0scri+an los pasos

    del proceso en notasa"toadAeri+les.

    /oloq"en las notasso+re la pared.

    Por aAora sólo de7enlas notas.

    Reunióncon elgrupo

    Encontrar

    Especif.

    Crear

    !oceto

    LocalizarArchivos

    CAD Cam'iarDi'u(os

    CalcularImpacto

    acer

    Caf/

    Crear Paquete

    deArchivos

    Enviar alCliente

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    37/402

    ,5

    Paso 3:/omentar! $e#isar! Modicar

    /omenten! repasen ymodiq"en el mapa delproceso en las notasa"toadAeri+les.

    Pónganse de ac"erdo enlos pasos q"e se de+enconser#ar.

    Pónganse de ac"erdo enlos pasos q"e se de+eneliminar.

    $etengan solo los pasosimportantes del proceso.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    38/402

    ,9

    Pasos CImportantes del Proceso

    Información s"cientepara facilitar la me7ora.

    $es"ltados q"e sep"edan medir.

    Podran prod"cirsedefectos (/K! //!

    /D). 6n inicio y "n n

    denidos.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    39/402

    ,;

    Pasos Importantes

    @K" pasos podran

    ser importantes enel mapa del procesoq"e aparece a laderecAaB

    Reunióncon elgrupo

    Encontrar

    Especif.

    Crear

    !ós,ue(o

    Localizar

    ArchivosCAD Cam'iar

    Di'u(os

    CalcularImpacto

    acer

    Caf/

    Crear Paquetede

    Archivos

    Enviar alCliente

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    40/402

    =

    Paso 4: Seg"ndo $ecorrido y0ntre#istas

    J"el#an a recorrer elproceso.

    "sq"en pasos q"e

    Aayan pasado por alto. $e#isen pasos de

    inspección! retra+a7o!reparación y desperdicio.

     omen notas.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    41/402

    1

    Paso 5: &adir /am+ios

    &greg"en notasa"toadAeri+les.

    &adan inspecciones.

    &adan retra+a7o yreparaciones.

    &adan desperdicio.

    Por aAora de7en todaslas notas.

    Crear

    !ós,ue(o

    Cam'iar

    Di'u(o

    Calcular

    Impacto

    Crear

    pa,uete de

    arc0i1os

    En1iar a

    Cliente

    )olicitud deCam'io del

    Cliente

    Cliente reci'e

    arc0i1os CAD

    Impacto

    $O2%

    Di'u(o

    $O2%

    &eunióncon 3entas

    )*

    +o

    +o

    )*

    Paso 9: Mapa del Proceso C/ómo

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    42/402

    2

    Paso 9: Mapa del Proceso /ómo0s

    0l eq"ipo esta+lece"n mapa del procesoCtal c"al.

     iene el detalles"ciente para incl"irlos pasosimportantes.

    Sin demasiadodetalle para q"e seentiendar'pidamente.

    Crear

    !ós,ue(o

    Cam'iar

    Di'u(o

    Calcular

    Impacto

    Crear

    pa,uete de

    arc0i1os

    En1iar a

    Cliente

    )olicitud de

    cam'io delCliente

    Cliente reci'e

    arc0i1os CAD

    Impacto

    $O2%

    Di'u(o

    $O2%

    &eunión

    con 3entas

    )*

    +o

    +o

    )*

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    43/402

    ,

    /"'ndo $ecolectar DatosD"rante la ela+oración del mapa de procesoO.

    Identica los p"ntos para la recolección dedatos! peroLno recopiles los datos

    Desp"s de Aa+er creado el Mapa C/ómo 0s Oplanea la recolección de datos so+re los pocassalidas #itales.

    4 Generalmente, cuando se recolectan datos durante laelaoración del mapa, se toman datos sore puntosequivocados!

    4 "La recolección de datos se dee planear # en$ocar sore los$actores de alta prioridad que son cr%ticos para el cliente&

     P r e c a

     u c i ó

     n

    'consulta el módulo (Planeación de la Recolección de Datos)*

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    44/402

    Mapa del Proceso C/ómo 0s

    Crear+ósqueo

    CamiarDiuo

    CalcularImpacto

    Crearpaquete de

    archivos

    Enviar alCliente

    -olicitudde camio

    del Cliente

    Cliente reciearchivos CAD

    Impacto./01

    Diuo./01

    Reunióncon 2entas

    -%

    3o

    3o

    -i

    0s la condición+ase del proceso.

    0s el inicio de t"#ia7e Aacia lame7ora.

    0s la oport"nidadpara la estrategiade impacto de Si?Sigma.

    0l Mapa de Proceso C/ómo De+e

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    45/402

    3

    0l Mapa de Proceso /ómo De+eSer

    6na #e% q"e se identiq"en las sol"cionesd"rante la fase de M0Q>$&O

    /rea el n"e#o mapa de proceso.

    0l n"e#o mapa m"estra el "7o de tra+a7o me7oradoq"e aAora tiene

    - menos pasos- menos acti#idades sin #alor agregado

    Este nue1o mapa muestra el proceso 5cómo de'e

    ser6 ,ue 5será6 una 1e- ,ue se implementen

    todas las soluciones.

      3 /  4 A

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    46/402

    4

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    47/402

    5

    *a cadena de #alor Son todas las acti#idades q"e la empresa de+e reali%ar

    para disear! ordenar! prod"cir! y entregar losprod"ctos o ser#icios a los clientes.

    *a cadena de #alor tiene tres partes principales: 0l "7o de materiales! desde la recepción de

    pro#eedores Aasta la entrega a los clientes.

    *a transformación de materia prima a prod"cto

    terminado. 0l "7o de información q"e soporta y dirige tanto al

    "7o de materiales como a la transformación de lamateria prima en prod"cto terminado.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    48/402

    9

    *a cadena de #alorBenefcios del Mapeo de la cadena de valor &y"da a #is"ali%ar el "7o de prod"cciónR las

    f"entes del desperdicio o M"da

    S"ministra "n leng"a7e com

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    49/402

    ;

    Fl"7o de información&dem's del "7o de materiales en el proceso de

    prod"cción! se tiene otro "7o q"e es el de

    información q"e indica a cada proceso lo q"ede+e prod"cir o Aacer en el paso sig"iente.

    Son dos caras de la misma moneda y se de+en

    tra%ar am+os.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    50/402

    3=

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    51/402

    31

    Sim+ologa "tili%ada

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    52/402

    32

    Sim+ologa "tili%ada

    Sim+ologa "tili%ada

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    53/402

    3,

    Sim+ologa "tili%ada

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    54/402

    3

    Identicando mapa act"al

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    55/402

    33

     ips para la cadena de #alor $ecolecte siempre información del estado act"al

    mientras se reali%an las operaciones normales tantoen "7os de información como de materiales.

    Inicie con "na caminata r'pida a tra#s de la cadenade #alor completa p"erta a p"erta! para o+tener "nsentido del "7o y sec"encia de procesos. Desp"sregrese y colecte información en cada proceso.

    Inicie desde el nal de em+arq"e y de aA paraatr's. &s se iniciar' el mapeo con los procesos q"eest'n m's ligados directamente al cliente! el c"alde+e esta+lecer los pasos para otros procesos.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    56/402

    34

     ips para la cadena de #alor 6tilice el cronómetro y no dependa de tiempos

    est'ndar o información q"e no o+tengapersonalmente.

     ra%ar "no mismo la cadena de #alorcompleta. 0ntendiendo q"e el "7o completo loencierra el mapeo de la cadena de #alor.

    Siempre trace a mano y a l'pi%. Ir al piso deprod"cción al reali%ar el an'lisis de estadoact"al! y anarlo m's tarde. Se de+e resistir latentación de "sar la comp"tadora.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    57/402

    35

     ips para la cadena de #alor

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    58/402

    39

    Información para

    la cadena de #alor  iempo del ciclo (/H tiempo q"e

    transc"rre entre la salida de dos partesconsec"ti#as)

     iempo de cam+io o de preparación (/H> para cam+iar de "n prod"cto a otro)

     iempo disponi+le de m'q"ina (De ac"erdo ala demanda)

     amao de lote de prod"cción (0P0 e#erypart e#eryO..)

    E

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    59/402

    3;

    Información para

    la cadena de #alor E

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    60/402

    4=

    07emplo de aplicación:

    0mpresa N"den

    Mapa del estado act"al

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    61/402

    41

    Mapa del estado act"alProceso de man"fact"ra

    Mapa incl"yendo información

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    62/402

    42

    Mapa incl"yendo información

    Mapa incl"yendo tiempos de

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    63/402

    4,

    Mapa incl"yendo tiempos deciclo y tiempo de entrega

    Mapa f"t"ro red"ciendo tiempos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    64/402

    4

    Mapa f"t"ro red"ciendo tiemposde entrega

    Mapa f"t"ro red"ciendo tiempos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    65/402

    43

    Mapa f"t"ro red"ciendo tiemposde entrega

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    66/402

    44

    enecios

    enecios

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    67/402

    45

    e e c os

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    68/402

    49

    Mapa de proceso de la0mpresa &/ - nal

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    69/402

    4;

    Doc"mentación

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    70/402

    5=

    Procedimientos escritos *os procedimientos de+en ser desarrollados

    por los q"e tienen la responsa+ilidad delproceso de inters

    *a doc"mentación del proceso en "nprocedimiento facilita la consistencia en elproceso.

    *os procedimientos crticos de+en tener s"diagrama de "7o correspondiente

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    71/402

    51

    Instr"cciones de tra+a7o *as instr"cciones de tra+a7o proporcionan los

    pasos detallados de la sec"encia deacti#idades

    *os diagramas de "7o p"eden "sarse con lasinstr"cciones de tra+a7o para mostrar lasrelaciones de los pasos del proceso.

    *as copias controladas de estas instr"ccionesse g"ardan en el 'rea de tra+a7o

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    72/402

    52

    III&.2 0ntradas y salidas delproceso

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    73/402

    5,

    Mapa de procesos SIP>/

    Pro1ee7

    dores

    Clientes

    !anco de información

    EntradasProcesos y sistemas )alidas

    Mapa de proceso )IPOC 8Pro1eedores9 Entradas9 )alidas9 Clientes:

    &etroalimentación &etroalimentación

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    74/402

    5

    0lementos de procesos -SIPOC

    6n cam+io en la Salida de+e estar relacionado conalg

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    75/402

    53

    Matri% de ca"sa efecto

    $elación entre entradas y salidas de procesos *a matri% lista #aria+les cla#e de salida del

    proceso en forma Aori%ontal y las de entrada

    en forma #ertical Para cada #aria+le de salida se le asigna "na

    prioridad Dentro de la matri% se asignan n

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    76/402

    54

    Matri% de ca"sa efecto0ntradas y salidas del proceso Matri% de ca"saefecto

    &ntes de me7orar "n proceso! primero de+e medirse!

    identicando s"s #aria+les de entrada y de salida! ydoc"mentando s" relación en diagramas de ca"saefecto! matrices de relación! diagramas de "7o! etc.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    77/402

    55

    III. Pro+a+ilidad yestadstica

    III P + +ilid d

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    78/402

    59

    III. Pro+a+ilidad yestadstica

    1. >+tención de concl"siones estadsticas #'lidas

    2. eorema del lmite central y distri+"ciónm"estral de la media

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    79/402

    5;

    III.1 >+tención deconcl"siones estadsticas

    #'lidas

    0stadstica Descripti a

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    80/402

    CLa estadística nos proporciona métodos

    para organizar y resumir inormación,usándola para obtener diversasconclusiones

    Por e7emplo! s deseamos sa+er el promedio depeso de las personas en "na po+lación tenemosdos opciones:

    Pesar a todas y cada "na de las personas! anotary organi%ar los datos! y calc"lar la media. 

    Pesar solo "na porción o s"+con7"nto de lapo+lación !muestra". $egistrar y organi%ar losdatos calc"lar la media de la m"estra!

    0stadstica Descripti#a

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    81/402

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    82/402

    92

    0stadstica Descripti#a

    &stadístico% 0s "na medición tomada en "nam"estra q"e sir#e para Aacer inferencias enrelación con "na po+lación (media de la m"estra!

    des#iación est'ndar de la m"estra se indican conletras latinas V! s! p).

    Eormalmente es "na #aria+le aleatoria y tieneasociada "na distri+"ción.

    $arámetro% 0s el #alor #erdadero en "napo+lación (media! des#iación est'ndar! se indicancon letras griegas π! µ! σ)

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    83/402

    9,

    0stadstica Descripti#a

    'atos continuos  *os datos q"e tienen "n #alorreal (temperat"ra! presión! tiempo! di'metro!alt"ra )

    'atos discretos% Datos q"e toman #aloresenteros (=! 1! 2! ,! etc.)

    'atos por atributos% "eno - malo! pasa - nopasa! etc.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    84/402

    9

    Eo e?isten en la nat"rale%ados cosas e?actamente ig"ales!

    ni siq"iera los gemelos! por tanto la#ariación es ine#ita+le y es anali%ada por

    la 0stadstica

    0stadstica Descripti#a

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    85/402

    93

    0stadstica descripti#a einferencial

    0st"dios descripti#os en"merati#os : *os datos en"merati#os son los q"e p"eden

    ser contados. Para Deming: 0n "n 0st"dio en"merati#o la acción se toma en

    el "ni#erso.

    0n "n est"dio analtico la acción ser' tomada en

    "n proceso para me7orar s" desempeo f"t"ro

    >+t i d l i

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    86/402

    94

    >+teniendo concl"siones

    #'lidas >+tención de concl"siones estadsticas #'lidas 0l o+7eti#o de la estadstica inferencial es

    o+tener concl"siones acerca de las

    caractersticas de la po+lación (par'metros σ! µ!π) con +ase en la información o+tenida dem"estras (estadsticos V! s! r)

    *os pasos de la estadstica inferencial son: *a inferencia *a e#al"ación de s" #alide%

    >+t i d l i

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    87/402

    95

    >+teniendo concl"siones

    #'lidas *os pasos de la estadstica inferencial son:

    Denir el o+7eti#o del pro+lema en forma precisa

    Decidir si el pro+lema se e#al"ar' con "na o doscolas

    Form"lar "na Aipótesis n"la y la alterna

    Seleccionar "na distri+"ción de pr"e+a y "n#alor crtico del estadstico ree7ado el grado deincertid"m+re q"e p"ede ser tolerado (alfa!

    riesgo)

    >+t i d l i

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    88/402

    99

    >+teniendo concl"siones

    #'lidas *os pasos de la estadstica inferencial son: /alc"lar el #alor del estadstico de pr"e+a con la

    información de la m"estra

    /omparar el #alor del estadstico calc"lado #s s"#alor crtico y tomar "na decisión de aceptar orecAa%ar la Aipótesis n"la

    /om"nicar los Aalla%gos a las partes interesadas

    >+t i d l i

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    89/402

    9;

    >+teniendo concl"siones

    #'lidas 8ipótesis n"la a ser pro+ada (8o) y alterna(8a)

    *a Aipótesis n"la p"ede ser recAa%ada o noser recAa%ada no p"ede ser aceptada

    *a Aipótesis alterna incl"ye todas las

    posi+ilidades q"e no est'n en la n"la y sedesigna con 81 o 8a.

    8o: a W + 8a: a ≠ + Pr"e+a de dos colas 8o: & ≥  8a: &X Pr"e+a de cola

    i%q"ierda

    >+t i d l i

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    90/402

    ;=

    >+teniendo concl"siones

    #'lidas0stadstico de pr"e+a: Para pro+ar la Aipótesis n"la so+re "n

    par'metro po+lacional! se de+e calc"lar "n

    estadstico de pr"e+a de la información de lam"estra

    0l estadstico de pr"e+a se compara con "n#alor crtico apropiado

    Se toma "na decisión de recAa%ar o no

    recAa%ar la Aipótesis n"la

    >+t i d l i

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    91/402

    ;1

    >+teniendo concl"siones

    #'lidas ipos de errores: 0rror tipo I: res"lta c"ando se recAa%a 8o

    siendo #erdadera! se denomina como alfa o

    riesgo del prod"ctor

    0rror tipo II: res"lta c"ando no se recAa%a 8osiendo q"e es falsa! es denominado +eta o

    riesgo del cons"midor Incrementando el tamao de m"estra se

    red"cen alfa y +eta. &lfa es normalmente 3Y.&lfa y +eta son in#ersamente relati#os

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    92/402

    ;2

    III.2 eorema del lmite centraly distri+"ción m"estral de lamedia

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    93/402

    ;,

     eorema del lmite central *a distri+"ción de las medias de las m"estras

    tiende a la normalidad independientemente dela forma de la distri+"ción po+lacional de la

    q"e sean o+tenidas. 0s la +ase de las cartasde control V-$.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    94/402

    ;

     eorema del lmite central Por lo anterior la dispersión de las medias es

    menor q"e para los datos indi#id"ales

    Para las medias m"estrales! el error est'ndarde la media se relaciona con la des#iaciónest'ndar de la po+lación como sig"e:

     X 

     X  s

    nσ =

    d l * i / l

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    95/402

    ;3

     eorema del *mite /entral La distribución de las medias de las muestras tienden a

    distribuirse en orma normal

    Por e7emplo los ,== datos (c"yo #alor se enc"entra entre 1 a;) p"eden estar distri+"idos como sig"e:

     eorema del *mite /entral

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    96/402

    Población con media   µ   y desviación estándar σ   y cualuier distribución!

    )eleccionando muestras de tama;o n y calculando la

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    97/402

    ;5

    La distribución de las medias de las muestras tienden a

    distribuirse en orma normal

     omando de m"estras de 1= datos! calc"lando s" promedio ygracando estos promedios se tiene:

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    98/402

    Jariación o+ser#ada

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    99/402

    ;;

    en "na /arta de /ontrol 

    6na /arta de control es simplemente "nregistro de datos en el tiempo con l"mites decontrol superior e inerior# diferentes a los

    lmites de especicación!

    0l patrón normal de "n proceso se llama causasde variación comunes!

    0l patrón anormal de+ido a e#entos especialesse llama causa especial de variación.

    Jariación /a"sas com"nes

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    100/402

    1==

    *miteinf. deespecs.

    *mites"p. deespecs.

    >+7eti#o

    Jariación /a"sas especiales

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    101/402

    1=1

    p

    *miteinf. deespecs.

    *mites"p. deespecs.

    >+7eti#o

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    102/402

    d / l

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    103/402

    1=,

    /orridas5 p"ntos consec"ti#os de "n lado de V-media.

    P"ntos f"era de control1 p"nto f"era de los lmites de control a , sigmas en

    c"alq"ier dirección (arri+a o a+a7o).

     endencia ascendente o descendente 5 p"ntos consec"ti#os a"mentando o dismin"yendo.

    &dAesión a la media13 p"ntos consec"ti#os dentro de la +anda de 1 sigmadel centro.

    >tros2 de , p"ntos f"era de los lmites a dos sigma

    Patrones F"era de /ontrol

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    104/402

    &plicación en Inter#alos de

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    105/402

    1=3

    &plicación en Inter#alos deconan%a

    Inter#alo de conan%a para la media: &) Sigma conocida y nZ,= (n es tamao de

    m"estra)

    ) Sigma desconocida y nX,=! los grados deli+ertad son gl W n-1.

    2

    2

     X Z n

     X t n

    α 

    α 

    σ   µ 

    σ   µ 

    = ±

    = ±

    &plicación en Inter#alos de

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    106/402

    1=4

    &plicación en Inter#alos deconan%a

    Inter#alo de conan%a para proporciones y#arian%a: Para proporciones! p es la proporción y nZ,=

    Para la #arian%a

    2

    (1 ) p p p Z n

    α π   −= ±

    2 22

    2 2

    , 1 1 , 1

    2 2

    ( 1) ( 1)

    n n

    n s n s

    α α 

    σ   χ χ 

    − − −

    − −≤ ≤

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    107/402

    1=5

    III., /onceptos +'sicos depro+a+ilidad

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    108/402

    /onceptos +'sicos de

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    109/402

    1=;

    /onceptos +'sicos depro+a+ilidad

    0#entos comp"estos (con7"nto de dos o m'se#entos): *a "nión de & o contiene elementos de & o de

    *a intersección de & y contiene elementoscom"nes q"e se locali%an al mismo tiempo en &y en

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    110/402

    11=

    Pro+a+ilidad

    #ntroducción:

    Diferencia entre e?perimento deterministico yaleatorio (estocastico).

    Deterministico. Se o+tienen el mismo res"ltado!con condiciones e?perimentales similares

      *a cada de "n c"erpo

    &leatorio. Se o+tienen distintos res"ltados !a"nq"e se repitan en condiciones similares.

      iempo de #ida de "n componente elctrico

    /onceptos relacionados

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    111/402

    111

    a e?perimentos aleatorios:

    Jaria+le aleatoria.  0s el nom+re K"e se le da a lacaracterstica (s) de inters o+ser#ada en "ne?perimento. DicAa #aria+le es denotada por

    letras may

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    112/402

    112

    /onsiste en todos los posi+les res"ltados de "ne?perimento.

    Para el lan%amiento de "na moneda es (&!S).

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    113/402

    11,

      Pro+a+ilidad Aistórica o frec"entista.

    6na forma de conocer algo acerca delcomportamiento de "na #aria+le aleatoria esconociendo como se comporto en el pasado.

    Eote K"e si "n e?perimento se reali%o "n grann"mero de #eces! E! y la se o+ser#o K"e en n #ecess"ceda el e#ento &! entonces nHE es "n estimaciónra%ona+le de la proporción de tiempos K"e el e#ento

    & s"ceder' en el f"t"ro. Para "n gran n"mero dee?perimentos E! se p"ede interpretar dicAaproporción como la probabilidad de del e#ento &.

     P EventoAn

     N  N ( ) lim=

      →  ∞

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    114/402

    11

    07emplo

      p  r  o

       +  a   +   i   l   i   d  a   d 

       d  e 

      c  a

      r  a  s

    n= 3== 1===

    =

    .3

    1

    [ en los 1;==-s ! \arl Pearson lan%o "na moneda 2!=== #ecesy o+t"#o 12!=12 caras! dando "na proporción de .--.

    Denición /l'sica de Pro+a+ilidad. 

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    115/402

    *a pro+a+ilidad de "n e#ento &! p"ede ser calc"lada

    mediante la relación de el n"mero de resp"estas en fa#orde &! y el n"mero total de res"ltados posi+les en "ne?perimento.

     P EventoA Favorable A

    Total resultados

    ( )#

    #

    =

    Eote K"e para las dos deniciones dadas depro+a+ilidad esta ser' "n n"mero entre = y 1.

    &emplo /. Se o+ser#a si , artc"los tienen defecto o no ! condefecto (m) o sin defecto (#).

    SW]###!m##!#m#!##m!#mm!m#m!mm#!mmm^ es el espaciom"estral .

    &sociada a este espacio m"estral se p"ede denir la #aria+le

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    116/402

    114 Ejemplo:Datos ( N =20):

    650 740 760 810 850 850 880 900 930 930 950 960

    960 980 980 980 1000 1000 1000 1070

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    117/402

    115

    960 980 980 980 1000 1000 1000 1070

    El experimento:

    ele!!ionamos al a"ar #n n#mero $

    %#&l es S $

    ea  E  el e'ento en el #e eleimos el 1000$

    *( E ) =

    ea  E  el e'ento +l n#mero es menor o i#al a 760,

    *( E ) =

    *( E !) =

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    118/402

    119

    ea  E 1 el e'ento en el !#al eleimos 1000 -  E 2 es el

    e'ento en el !#al eleimos #n n#mero menor o i#al a760

    *( E 1∪ E 2) =

    ea  E 1 el e'ento en el !#al eleimos 850 -  E 2 sea el

    e'ento el !#al o.tenemos #n n#mero menor a 880

    *( E 1∪ E 2) =

    *eyes de pro+a+ilidades

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    119/402

    1. 0n "n e?perimento! si P(&) e la pro+a+ilidad de

    "n e#ento &! entonces la pro+a+ilidad de K"e nos"ceda & es: P A P A( ) ( )= −1

    2. 0n "n e?perimento! si & y son dos e#entos

    m"t"amente e?cl"yentes entonces la pro+a+ilidad deK"e oc"rra & o el e#ento es

     P A o B P A P B( ) ( ) ( )= +

    Para el caso de dos e#entos & y K"e no sonm"t"amente e?cl"yentes. P A o B P A P B P AyB( ) ( ) ( ) ( )= + −

    & las dos ec"aciones se les conoce como

    $eglas de la pro+a+ilidad

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    120/402

    12=

    g p

      *ey de la &diciónSi 2 e#entos & y no son m"t"amente e?cl"yentes!entonces la pro+a+ilidad q"e el e#ento & o el e#ento oc"rra es:

    *ey de la M"ltiplicación

     pro+a+ilidad q"e am+os & y oc"rran es

    /"ando los e#entos & y son independientes! entoncesP(&`) W P(&) y

    *(/)*()*(/))or *(/   −+=

    /)*(/)*()*()*(/*(/)   ==

    *(/)*()*(/) =

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    121/402

    Diagramas de 'r+ol0n casos simples res"ltan

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    122/402

    122

    0n casos simples res"ltan

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    123/402

    12,

    en n l"gares diferentes es :

    n n n n ( )( )( )( )= − −1 2 2 1

    n, se lee como n factorial

    @ K"e pasa c"ando tenemos solo r  l"gares paraacomodar n o+7etos! tal K"e n es mayor o ig"alq"e r B0n este caso el n"mero de arreglos res"ltaser:

    n n n n r n r P  

     P n

    n r 

    n

    n

    ( )( ),,,( 3 4)( 3 4)

    ( )

    − − − − − − =

    ⇒ =−

    1 2 2 1

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    124/402

    12

    07emplo: S"ponga q"e a "n gr"po de motores se lesaplicara "n tratamiento q"e consiste en dos aplicacionesde diferentes intensidades de presión. 8ay 1= diferentesintensidades y el orden de administrar las intensidades esimportante! @ c"antos motores se oc"pan si cadatratamiento se tiene q"e lle#ar a ca+oB.

    1= intensidades (i1!i2!O!i1= ) y 2 aplicaciones.

    Eos interesa contar los pares (i1!12)!(i1!i,)!O.. P 2

    10  10

    8  90= =   ,

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    125/402

    123

    /om+inaciones

    6na com+inación es "n arreglo de distintos elementos ! endonde "na com+inación diere de otra solamente si elcontenido del arreglo es distinto.

    ,, -n este caso no es importante el

    orden de los ob.etos ,,

    Denición. (/om+inaciones).

    0l n"mero de com+inaciones de n o+7etos tomando r a la #e%es el n"mero de maneras de formar "n s"+con7"nto detamao r de los n o+7etos. 0sto se denota como: 

    n

    nC 

     =  ÷

     eorema 2.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    126/402

    124

    C n

     P 

    n

    r n r r 

    n   r 

    n

    =  

     

       

     

      = =

    ( )

    07emplo: 0n "n lote de prod"cción 1== cAips decomp"tadora! "n comprador desea adq"irir 1=

    cAips! @ de c"antas formas se p"edenseleccionar 1= cAips de ese loteB.

    C n

    n

    r n r r 

    n =  

        

       =

    −  =

    ( ) )

    100

    10(100 10

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    127/402

    125

    III/. /olección y res"men dedatos

    /olección y res"men de

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    128/402

    129

    ydatos

    1. ipos de datos y escalas de medición

    2. Mtodos de colección de datos

    ,. cnicas para aseg"rar la e?actit"d eintegridad de los datos

    . 0stadstica descripti#a

    3. Mtodos gr'cos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    129/402

    12;

    III/. 1 ipos de datos yescalas de medición

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    130/402

    1,=

     ipos de datos Datos por atri+"tos

    Son datos discretos enteros! por e7emplo ,! 3!2=,2. /"enta! "nidades! oc"rrencias! +"eno malo.

    Datos por #aria+les *as #aria+les son datos contin"os medi+les con

    instr"mentos con n

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    131/402

    1,1

     ipos de datos

    Datos de locali%ación /ontestan a la preg"nta C@DóndeB. *as cartas

    q"e "tili%an datos de locali%ación de defectos sedenominan CMeasless cAarts o C/artas deconcentración. Por e7emplo mapas con ocinas dedistri+"ciónR defectos de pint"ra en "n a"tomó#il.

    /on#ersión de datos por atri+"tos a #aria+les 1= desportillad"ras se p"eden reportar como "na

    longit"d total de 9.,5R 23 rayas de pint"ra como,.2 c"adradas de rayones de pint"ra.

    0scalas de medición

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    132/402

    1,2

    0n f"nción de la desea+ilidad estadstica se tiene:

    &scala 'escripción &emplo

    Eominal Datos como nom+res ocategoras. Eo Aay orden

    olsa con d"lces decolores: 13 amarillos! 1=ro7os! 5 #erdes

    >rdinal(rango) *os datos est'n ordenadospero s"s diferencias nop"eden determinarse nitienen sentido

    Defectos & m's crticosq"e los defectos D seta+"lan como:& 14! ,2! / 2! D ,=

    Inter#alo *os datos se arreglan pororden y diferencia. Eo Aayp"nto de inicio de ref. y lara%ón no tiene signicado

    *a temperat"ra de ,lingotes es de 2==/!==/ y 4==/. Eotar q"e, #eces 2==/ no es lomismo q"e 4==/ en .

    $a%ón Similar al anterior con "np"nto cero inicial. anto las

    diferencias como las ra%ones

    0l prod"cto & c"esta b,==y el b4==. Eotar q"e

    b4== es tanto como dos

    0scalas de medición

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    133/402

    1,,

    Medidas estadsticas para las escalas de medición

    &scala Localizacióncentral

    'ispersión $rueba designifcancia

    Eominal Moda Soloinformati#a

    /Ai c"adrada

    >rdinal(rango)

    Mediana Pocenta7es Pr"e+a de signos oracAas

    Inter#alo Mediaaritmtica

    Des#iaciónmedia oest'ndar

    Pr"e+a t! Pr"e+a F!&n'lisis de correlación

    $a%ón Mediageomtrica omediaarmónica

    Jariaciónpocent"al

    Similar al anterior

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    134/402

    1,

    III/. 2 Mtodos de colecciónde datos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    135/402

    1,3

    Mtodos de colección de datos Incl"ye mtodos man"ales y a"tom'ticos. N"as:

    Form"lar "na clara descripción del pro+lema

    Denir de manera precisa lo q"e se #a a medir

    *istar todas las caractersticas importantes amedir

    /"idadosamente seleccionar la tcnica demedición

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    136/402

    1,4

    Mtodos de colección de datos

    Incl"ye mtodos man"ales y a"tom'ticosO. /onstr"ir "n formato sencillo de registro

    Decidir q"in colectara los datos

    0sta+lecer "n mtodo de m"estreo apropiado

    Decidir q"ien anali%ar' e interpretar' losres"ltados

    Decidir q"ien reportar' los res"ltados

     proyectos

    2arialesAtriutos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    137/402

    1,5

    =ALLA PA-A

    Circuito El>ctrico

    4E

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    138/402

    1,9

      Plan de recolección de datos 6n plan de $ecolección de Datos relacionada

    con las /Ks de inters es la doc"mentación de:

    2ué información se #a a recolectar $or 3ué se necesita

    2uién es responsa+le +ómo se #a a recolectar

    +uándo se #a a recolectar 'ónde se #a a recolectar

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    139/402

    1,;

      Deniciones operati#as 0l Plan de $ecolección de Datos de+era de

    +asarse en las Deniciones >perati#asmedi+les:

    Deniciones >perati#as ya desarrolladas paralos clientes /Ks las Cs Se necesita desarrollar Deniciones >perati#as

    para el proceso CVs> ? @8

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    140/402

    1=

    Mtodos de colección de datos

    /odicación de datos /odicar al agregar o restar "na constante

    o m"ltiplicar o di#idir por "n factor:

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    141/402

    11

    Mtodos de colección de datos

    /odicación por s"+stit"ción Para "na o+ser#ación de ,2-,H9! los datos

    p"eden codicarse como enteros

    e?presando el n

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    142/402

    12

    III/. , cnicas para aseg"rar la

    e?actit"d e integridad de losdatos

    &seg"rar e?actit"d e

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    143/402

    1,

    integridad de los datos

    *os datos malos corrompen el proceso detoma de decisiones 0#itar sesgo emocional respecto a tolerancias

    0#itar redondeo innecesario

    Si "na caracterstica cam+ia con el tiempo!registrar la medición inicial y la posterior a la

    esta+ili%ación

    Filtrar los datos para identicar y eliminarerrores de capt"ra

    &seg"rar la e?actit"d e

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    144/402

    1

    integridad de los datos

    *os datos malos corrompen el proceso detoma de decisiones Si los datos sig"en "na distri+"ción normal!

    determinar si la dispersión de los datos p"ede

    ser representada por al menos 9 o 1=incrementos de resol"ción. Si no p"ede serme7or contar las o+ser#aciones.

    6sar pr"e+as estadsticas o+7eti#as paraidenticar o"tliers o p"ntos a+errantes

    /ada identicación de clasicación importantede+e ser registrada 7"nto con los datos

    Jenta7as del M"estreo

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    145/402

    13

    Jenta7as del M"estreo

      Se economi%an rec"rsos

      Se red"ce el tiempo

      /ona+ilidad

     Se p"eden proyectar res"ltados

    /onceptos +'sicos deM"estreo

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    146/402

    M"estreoMuestreo% Proceso mediante el c"al Aacemosinferencia a toda "na po+lación o+ser#andosolo "na parte de esta (m"estra).

    Métodos de muestreo%

    0s "n procedimiento cientco mediante el c"alo+tenemos los componentes de "na m"estra!tratando q"e la m"estra nos de informaciónacerca de "n par'metro po+lacional! y tam+innos permite medir el grado de incertid"m+re deeq"i#ocarnos en la inferencia.

    i d t

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    147/402

    15

     ipos de m"estreo M"estreo aleatorio

    0n este caso cada parte tiene la misma oport"nidadde ser seleccionada

    M"estreo sec"encial Se toman pie%as de "na lnea contin"a y se m"estrea

    Aasta q"e se Aayan inspeccionado m's de , #eces eltamao de m"estra de "n plan de m"estreo simple

    M"estreo estraticado Se seleccionan m"estras aleatorias de cada "no de

    los gr"pos o procesos diferentes! de+en ree7ar lafrec"encia de los gr"pos

    M"estreo Simple &leatorio

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    148/402

     /ada "no de los elementos de "na po+lacióntiene la misma pro+a+ilidad de salir en "nam"estra.

     *a selección se Aace generalmente "sando

    n

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    149/402

      0n este mtodo en"meramos los elementos de

    la po+lación de 1 a E. *a m"estra es tomada eninter#alos de EHn. (con nW tamao de lam"estra).

      07emplo: de los 1== artc"los anteriores si

    m"estreamos sistem'ticamente para nW3. omaremos la m"estra cada 1==H3W2= o+7etos.(i.e. omamos el 1er. &rtic"lo ! l"ego el 2=esimo.!etc..).Muestreo con probabilidades desiguales.

      til en po+laciones con m"cAa#aria+ilidad. 8acemos q"e apare%can conmayor los datos grandes o peq"eos.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    150/402

    d i d i i

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    151/402

    131

    0stadstica descripti#a

    *a estadstica descripti#a incl"ye: Medidas de tendencia central

    Medidas de dispersión

    F"nciones de densidad de pro+a+ilidad

    Distri+"ciones de frec"encia y

    F"nciones ac"m"lati#as de distri+"ción

    0 d i d i i

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    152/402

    132

    0stadstica descripti#a

    Medidas de tendencia central $epresentan las diferentes formas de

    caracteri%ar el #alor central de "n con7"nto

    de datos

    Media m"estral po+lacional 

    ∑=n

     xi µ 

    0 t d ti d i ti

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    153/402

    13,

    0stadstica descripti#a

    Medidas de tendencia central Mediana: es el #alor medio c"ando los datos

    se arreglan en orden ascendente o

    descendente! en el caso de n par! lamediana es la media entre los #aloresintermedios

    0 t d ti d i ti

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    154/402

    13

    0stadstica descripti#a

    Medidas de tendencia central Moda: Jalor q"e m's se repite! p"ede Aa+er m's

    de "na

    Media acotada (r"ncated Mean): Se eliminacierto porcenta7e de los #alores m's altos y+a7os de "n con7"nto dado de datos (tomandon

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    155/402

    133

    0stadstica descripti#a

    0 t d ti d i ti

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    156/402

    134

    0stadstica descripti#a

    Medidas de dispersión: $ango: 0s el #alor mayor menos el #alor menor

    de "n con7"nto de datos

    Jarian%a: es el promedio de las des#iaciones al

    c"adrado respecto a la media (n para po+lacióny n-1 para m"estra para eliminar el sesgo)

    0 t d ti d i ti

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    157/402

    135

    0stadstica descripti#a

    Medidas de dispersión: Des#iación est'ndar: es la ra% c"adrada de la

    #arian%a ya sea po+lacional σ o m"estral S

     

    s =5

    790 = 12.56 s =

    5

    7510 = 38.75

    0 t d ti d i ti

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    158/402

    139

    0stadstica descripti#a

    Medidas de dispersión: /oeciente de #ariación: es ig"al a la des#iación

    est'ndar di#idida por la media y se e?presa enporcenta7e

    0 t d ti d i ti

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    159/402

    13;

    0stadstica descripti#a

    F"nción de densidad de pro+a+ilidad 0l 'rea +a7o la c"r#a de densidad de

    pro+a+ilidad a la i%q"ierda de "n #alor dado ?!es ig"al a la pro+a+ilidad de la #aria+le aleatoriaen el e7e ? para VXW ?

    Para distri+"ciones contin"as

    Para distri+"ciones discretas

    0 t d ti d i ti

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    160/402

    14=

    0stadstica descripti#a

    F"nción de distri+"ción ac"m"lada

    F"nciónde

    densidad

    F"nción dedistri+"ciónac"m"lada

    Mtodos gr'cos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    161/402

    141

    Mtodos gr'cos

    Se incl"yen los mtodos sig"ientes: Diagramas de ca7a Diagramas de tallo y Ao7as

    Diagramas de dispersión

    &n'lisis de patrones y tendencias

    8istogramas Distri+"ciones de pro+a+ilidad normales Distri+"ciones de ei+"ll

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    162/402

    142

    III/. 3 Mtodos gr'cos

    Mtodos gr'cos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    163/402

    14,

    Mtodos gr'cos

    Diagramas de ca7a $epresentan "n res"men de los datos. *a lnea

    media es la mediana! los lados son el primer ytercer c"artil. 0l m'?imo y el mnimo se di+"7acomo p"ntos al nal de las lneas (+igotes)

    Mtodos gr'cos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    164/402

    14

    Mtodos gr'cos

    Diagramas de tallo y Ao7as 0l diagrama consiste del agr"pamiento de los

    datos por inter#alos de clase! como tallos y losincrementos de datos m's peq"eos comoAo7as.

    8o7as allos

    Mtodos gr'cos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    165/402

    143

    Mtodos gr'cos

    Diagramas de dispersión 0s "na gr'ca de m"cAos p"ntos coordenados V-

    q"e representan la relación entre dos #aria+les. am+in se denomina carta de correlación. Sep"ede tomar la #aria+le dependiente para el e7e y la dependiente en el e7e V.

    *a correlación tiene las sig"ientes f"entes:

    6na relación de ca"sa efecto 6na relación entre dos ca"sas 6na relación entre "na ca"sa y dos o m's ca"sas

    Mtodos gr'cos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    166/402

    144

    Mtodos gr'cos

    Diagramas de dispersión

    Positi#a d+il Positi#a f"erte Sincorrelación

    Eegati#a

    f"erte

    $elaciones no lineales

    Mtodos gr'cos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    167/402

    145

    Mtodos gr'cos

    /oeciente de correlación 0l coeciente de correlación (r determina el

    grado de asociación entre dos #aria+les V y 

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    168/402

    Mtodos gr'cos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    169/402

    14;

    Mtodos gr'cos

    &n'lisis de patrones y tendencias Para #is"ali%ar el comportamiento de los datos en

    el tiempo endencia

    creciente

     endencia decreciente/orrida de proceso

    Jalores anormales /iclos Jaria+ilidad creciente

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    170/402

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    171/402

    151

    8istogramas

    Mtodos gr'cos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    172/402

    152

    8istogramas Son gr'cas de col"mnas de frec"encia q"e

    m"estran "na imagen est'tica del comportamientodel proceso y req"ieren "n mnimo de 3= a 1==

    p"ntos

    *a frec"encia en cada +arra o inter#alo es eln

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    173/402

    15,

    8istogramas 6n proceso inesta+le m"estra "n Aistograma q"e

    no tiene "na forma acampanada. Sin em+argo losprocesos q"e sig"en "na distri+"ción e?ponencial!

    lognormal! gamma! +eta! ei+"ll! Poisson!+inomial! Aipergeomtrica! geomtrica! etc. e?istencomo procesos esta+les

    /"ando la distri+"ción es acampanada! la #ariaciónalrededor de la media es aleatoria! otras#ariaciones son de+idas a ca"sas especiales oasigna+les.

    Mtodos gr'cos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    174/402

    15

    D0FIEI/I>E 6n 8istograma es la organi%ación de "n n

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    175/402

    0n "n proceso esta+le las mediciones se distri+"yennormalmente! a la derecAa y a la i%q"ierda de la mediaadoptando la forma de "na campana.

    TAMAÑO TAMAÑO

    TAMAÑO TAMAÑO

    TAMAÑO

    ED

    ICIONES

    Media

    MED

    ICIONES

    8istogramas con Datos agr"pados

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    176/402

    154

    g g p

    0l 8istograma es "na gr'ca de las frec"enciasq"e presenta los diferentes datos o #alores demediciones agr"pados en celdas y s" frec"encia.

    6na ta+la de frec"encias lista las categoras o clases de#alores con s"s frec"encias correspondientes! pore7emplo:

    /*&S0 F$0/60E/I&1-3 54-1= 1211-13 1;14-2= 1421-23 9

    24 ,=

    Deniciones - datos agr"pados

    Límite inferior y superior de clase

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    177/402

    y pSon los n"meros m's peq"eos y m's grandes de las clases

    (del e7emplo! 1 y 3R 4 y 1=R 11 y 13R 14 y 2=R 21 y 23R 24 y ,=)

    Marcas de claseSon los p"ntos medios de las clases (del e7emplo ,! 9! 1,! 19!2, y 29)

    Fronteras de claseSe o+tienen al incrementar los lmites s"periores de clase y aldecrementar los inferiores en "na cantidad ig"al a la media dela diferencia entre "n lmite s"perior de clase y el sig"iente

    lmite inferior de clase (en el e7emplo! las fronteras de claseson =.3! 3.3! 1=.3! 13.3! 2=.3! 23.3 y ,=.3)

    Anco de clase0s la diferencia entre dos lmites de clase inferiores

    onstr"cción del Aistograma - datos agr"pad

    Paso 1 Contar los datos (N)

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    178/402

    Paso 1. Contar los datos (N)

    Paso 2. Calcular el rango de los datos R = (Valor mayor !alor menor)

    Paso 3. "elecc#onar el n$mero de columnas o celdas del %#stograma (&).Como re'erenc#a s# N = 1 a 5 & = 5 a 7* s# N = 51 1* & = 6 1.+am,#-n se ut#l#a el cr#ter#o & = Ra/ (N)

    Paso 0. #!#d#r el rango or & ara o,tener el anc%o de clase

    Paso 5. dent#'#car el l/m#te #n'er#or de clase m4s con!en#ente y sumarle

    el anc%o de clase ara 'ormar todas las celdas necesar#as

    Paso 6. +a,ular los datos dentro de las celdas de clasePaso 7. ra'#car el %#stograma y o,ser!ar s# t#ene una 'orma normal

    07emplo: Datos para AistogramaDatos!

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    179/402

    "# $" $% && &' $( &" $%  &%

    &( )) )& )$ )& )' &* &(

    &+ )$ )" )) &$ )% )+ )( )%

    %) %$ %' )* )# )( )* )# )(

    %$ %" %' )# %* %# +" +$ +&

    %# +" ++ (+ ('

    07emplo: /onstr"cción del Aistograma

    $

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    180/402

    Paso 1. N$mero de datos N = 5

    Paso 2. Rango R = 76 16 = 6

    Paso 3. N$mero de celdas & = 6*

    Paso 0. nc%o de clase = 6 6 = 1

    Paso 5. /m. de clase9 1520 25 30 35 00 05 50 55 60 6570 75:0Paso 6. N$mero de datos9 2 7 10 17 7 2 1 

    ;arcas de clase 1:.5 2:.5 3:.5 0:.5 5:.5 6:.5 7:.5 

    Paso 7. ra'#car el %#stograma y o,ser!ar s# t#ene una 'orma normal

    8istograma en 0?cel

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    181/402

    191

    &ccesar el men" de an'lisis de datos con 80$$&MI0E&S!&E&*ISIS D0 D&>S! 8IS>N$&M&S

    Marcar los datos de entrada en $&EN> D0 0E$&D&! marcar

    el rango de los lmites s"periores de clase en $&EN> D0/*&S0S! indicar N$&FI/&! marcar el 'rea de res"ltados con$&EN> D0 S&*ID& y o+tener res"ltados y gr'ca

    E>&: *os datos de+en estar en forma no agr"pada! 0?cel

    forma los gr"pos en forma a"tom'tica o se le p"edenproporcionar los lmites de las celdas.

    8istograma en 0?cel

    /onstr"cción del Aistograma

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    182/402

    192

    ,

    4

    5

    6

    7

    /,

    /4

    /5

    /6

    /7

    /-8

    45

    4-8

    95

    9-8

    55

    5-8

    -5

    --8

    65

    6-8

    :-

    ;rec.

    >tras medidas deDispersión- $ango! /J

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    183/402

    19,

    $ango: Jalor Mayor Jalor menor

    /oeciente de #ariación: (Des#. 0st'ndar H Media T1==Y

    Se "sa para comparar datos en diferentes ni#eles de media o

    tipo. Por e7emplo:

    Material Eo. de Media Des#iación /oeciente  >+ser#aciones &ritmtica 0st'ndar de Jariación

      n s  Srel

      & 14= 11== 223 =!2=  13= 9== 2== =!23=

    0l Material & tiene "na menor #aria+ilidad relati#a relati#a q"e elmaterial

    07ercicio de 8istogramas

    Datos!

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    184/402

    19

    Datos!

    +,)' +, +,)" +, +,)'+, +,)' +,&( +,)' +,&*

    +,)$ +,&* +,)' +,&* +,)"

    +,)' +,)" +,)" +,)& +,

    +,)" +,&% +, +,)" +,)&+,&* +,)' +,)$ +,&( +,)'

    +,&( +,)& +,)& +, +,)$+,)' +,)$ +, +,)$ +,&*

    +,)$ +,)' +,&* +,)% +,)"+, +,)) +,&+ +,)) +,&+

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    185/402

    193

    IIID. Distri+"ciones depro+a+ilidad

    Distri+"ciones "sadaspor los lacU elts

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    186/402

    194

    por los lacU elts

    Distri+"ción inomial Distri+"ción Poisson

    Distri+"ción Eormal Distri+"ción /Ai /"adrada

    Distri+"ción t de St"dent Distri+"ción F

    ipos de #aria+les aleatorias

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    187/402

    195

     ipos de #aria+les aleatorias

     ipos de #aria+les aleatorias Discretas

    /ontin"as

    Jaria+le aleatoria: 0s aq"ella f"nción q"e a cadares"ltado posi+le de "n e?perimento le asocia "nn"mero real.

    Se denotan con letras May

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    188/402

    199

    Jaria+les aleatorias discretas-s auella variable ue 2nicamente toma valoressusceptibles de contarse!

    07emplo 1: /onsidere el e?perimento de tomar ala%ar "na cAa de asistencia de "n n"mero de

    empleados. Sea V la #aria+le n"mero de a"senciasal ao de "n empleado. Eote q"e V toma #alores=!1!2!...!23=.

    07emplo 2: /onsidere "n e?perimento q"e consisteen medir el n"mero de artc"los defectos de "n lotede prod"cto. Si es la #aria+le n"mero dedefectos ! toma #alores =!1!2!...

    Distri+"ciones y f"nciones depro+a+ilidad

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    189/402

    19;

    p o+a+ dad oda #aria+le aleatoria tiene asociada "naf"nción de pro+a+ilidades

    07emplo : Se lan%an dos monedas y

    o+ser#amos el n"mero =  de caras.

    0spacio m"estral:]a! as! sa! ss^

      toma #alores =!1!2.

    F"nción de pro+a+ilidades para

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    190/402

    1;=

     .y P(Y=y)0   154

    1   152

    2   154

    7. .# . ".# ".

    y

    .G

    .#"

    .#G

    ."

    .G

    .H"

      p      

    Nr'ca

     

    P(Wy)

    Form"la para la distri+"ción depro+a+ilidades de la ta+la

    anterior

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    191/402

    1;1

    *a distri+"ción de pro+a+ilidades p"ede ser "na a+la! "na Nr'ca o "na form"la.

    anterior

     y y

     y yY  P  y P    )5()5(

    3)()(

    3−   

      

     ===

    $eq"isitos para "na distri+"ción

    de pro+a+ilidad discreta

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    192/402

    1;2

    p

    )()(

    )(2

    1)(01

     x X   P  x  f  

     y P 

     y P 

     X  

     ytoda

    ==

    ≤≤

    0n alg"nas ocasiones lanotación "sada es:

    F"nciones de distri+"ciónac"m"lati#a

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    193/402

    1;,

      *a f"nción de distri+"ción de pro+a+ilidadesac"m"lati#a es calc"la s"mando las pro+a+ilidadeso+tenidas Aasta "n determinado #alor de la #aria+lealeatoria.

    )()(   x X  P  x F  X    ≤=0sta f"nción tiene propiedades.

    0)(

    1)(

    1)(0

    ==≤≤

    −∞→

    ∞→

     x F  Lim

     x F  Lim

     x F 

     x

     x

    F"nción de distri+"ción ac"m"lati#a para W_decaras

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    194/402

    1;

    7. .# . ".# ".

    y

    .#

    .H

    .

    .J

    6       

       (       x        )       

    0 1 2

    Jalor 0sperado o Media de"na #aria+le aleatoriadiscreta

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    195/402

    1;3

    *a media o #alor esperado de "na #aria+lealeatoria discreta V ! denotada como o &!

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    196/402

    1;4

    215,0

    04003,03014,02178,01805,00

    )(4

    0

    =×+×+×+×+×=

    ===∑= x X    X  X  xP  µ 

    0n este caso note q"e esta media no toma "n #alorentero como V

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    197/402

    1;5

    " # A

    K

    .

    .

    .A

    .G

    .F

       p

       r   o    '

    eia X 

     µ 

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    198/402

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    199/402

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    200/402

    2==

    2147,0

    0)215,04(003,0)215,03(

    014,0)215,02(

    178,0)215,01(805,0)215,00(

    )()(

    22

    2

    22

    22

    =×−+×−+

    +×−+

    ×−+×−=

    =−= ∑ x

     X   X    x X   P  x   µ σ 

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    201/402

    2=1

    *a desviación estándar de "na #aria+le aleatoriaes simplemente la ra% c"adrada de la #arian%a

    2

     X  X    σ σ  =

    Distri+"ciones Discretas

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    202/402

    2=2

    ?niorme discreta.

    *a #aria+le aleatoria toma "n n"mero

    nito de n #alores ! cada "no con ig"alpro+a+ilidad.

    n

     x X  P  x f    1

    )()(   ===

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    203/402

    *a media y #arian%a de ladistri+"ción 6niforme discreta son:

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    204/402

    2=

    12

    12

    )1(

    2

    2  −

    =

    +=

    n

    n

     X 

     X 

    σ 

     µ 

    0plicaciones

    Distri+"ción Aipergeomtrica

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    205/402

    2=3

    Se aplica c"ando la m"estra (n) es "naporporción relati#amente grande en relacióncon la po+lación (n Z =.1E).

    0l m"estreo se Aace sin reempla%o

    P(?!E!n!D) es la pro+a+ilidad de e?actamente ??itos en "na m"estra de n elementos tomadosde "na po+lación de tamao E q"e contiene D

    ?itos. *a f"nción de densidad de distri+"ciónAipergeomtrica:

     N 

    n

      N 

     xn

     

     x

    C C  x P 

    −−=)(

    )(

     xn x

    nC n x −

    =

    Distri+"ción Aipergeomtrica

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    206/402

    2=4

    *a media y la #arian%a de la distri+"ciónAipergeomtrica son:

     N 

    n

    = µ          −−      −     = 112

     N 

    n N 

     N 

     

     N 

    nσ 

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    207/402

    Distri+"ción inomial

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    208/402

    2=9

    &nsayo Bernoulli. 0s "n e?perimento aleatorio q"esolo tiene dos res"ltados. ?ito o fracaso.

    Donde la pro+a+ilidad de ?ito se denota por p

      S"ponga se reali%an n e?perimentos erno"lliindependientes.

      S"ponga q"e la #aria+le V de inters es eln"mero de ?itos.

      V toma #alores =!1!2!...!n

    Distri+"ción +inomial

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    209/402

    2=;

    Se "tili%a para modelar datos discretos y seaplica para po+laciones grandes (EZ3=) ym"estras peq"eas (nX=.1E).

    0l m"estreo +inomial es con reempla%amiento. 0s apropiada c"ando la proporción defecti#a

    es mayor o ig"al a =.1. *a +inomial es "na apro?imación de la

    Aipergeomtrica *a distri+"ción normal se paro?ima a la+inomial c"ando np Z 3

    *a #aria+le aleatoria V tiene "na distri+"ción+inomial

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    210/402

    21=

    n x p p x

    n x X  P  x f     xn x ,,1,0)1()()( =−  

     

      

     === −

    )1()(

    )(

    2  pnp X ! 

    np X  E 

     X 

     X 

    −==

    ==

    σ 

     µ 

     iene media y #arian%a.

    Distri+"ción de Poisson

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    211/402

    211

    Se "tili%a para modelar datos discretos Se apro?ima a la +inomial c"ando p es ig"al o

    menor a =.1! y el tamao de m"estra esgrande (n Z 14) por tanto np Z 1.4

    Distri+"ción de Poisson

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    212/402

    212

    6na Jaria+le aleatoria V tiene distri+"ciónPoisson si toma pro+a+ilidades con.

    ,1,0

    )(   ==−

     x x

    e x f   x

    λ λ 

     pn

     pn

    ==

    =

     µ σ 

     µ 

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    213/402

    21,

    *a Distri+"ciónEormal

    IMP>$&E/I& D0 *& DIS$I6/IhEIMP>$&E/I& D0 *& DIS$I6/IhEE>$M&*E>$M&*

    IMP>$&E/I& D0 *& DIS$I6/IhEIMP>$&E/I& D0 *& DIS$I6/IhEE>$M&*E>$M&*

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    214/402

    *os primeros ind"striales frec"entemente se +asa+an en elconocimiento de limites normales para clasicar artc"los oprocesos como correctos o de otro modo.

    Por e7emplo! el colesterol arri+a de 23= mgHdl es ampliamenteconocido q"e incrementa el riesgo de "n paro cardiaco. 6na

    determinación precisa - p"diera ser as"nto de #ida o m"erte. Sin em+argo ! no todas las #aria+les son normales. Por

    e7emplo: "rea y pA

    *os primeros ind"striales frec"entemente se +asa+an en el

    conocimiento de limites normales para clasicar artc"los oprocesos como correctos o de otro modo.

    Por e7emplo! el colesterol arri+a de 23= mgHdl es ampliamenteconocido q"e incrementa el riesgo de "n paro cardiaco. 6nadeterminación precisa - p"diera ser as"nto de #ida o m"erte.

    Sin em+argo ! no todas las #aria+les son normales. Pore7emplo: "rea y pA

    Α'ra0am )imon de Carl Francisde Moi1re =aplace auss alton

    C$5$C6-5IS6IC$S 7- 08$C$5$C6-5IS6IC$S 7- 08$7IS65IB0CI98 8O5:$L7IS65IB0CI98 8O5:$L

    C$5$C6-5IS6IC$S 7- 08$C$5$C6-5IS6IC$S 7- 08$7IS65IB0CI98 8O5:$L7IS65IB0CI98 8O5:$L

    *a c"r#a normal es acampanada y tiene "n solo

    *a c"r#a normal es acampanada y tiene "n solo

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    215/402

    *a distri+"ción normal es sim;trica alrededor des" media.0s asintotica E E>$M&*

    /&$&/0$ISI/&S D0 6E& DIS$I6/I>E E>$M&*

    *a Eormal is simtrica --

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    216/402

    eóricamente! lac"r#a se e?tiendea

     eóricamente! lac"r#a se e?tiendea

    Media!mediana! ymoda son

    /ola/ola

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    217/402

    215

    f tt

    8 : eKp= −  −  

         

    "

    "

    σ πµ

    σDistri'ución de

    la Función +ormal

    Distri+"ción Eormal

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    218/402

    219

    =unción de Densidad de Proailidad 3ormal

    µ ? Hσ ? #σ ? Hσ ?

    .

    .

    .

    .G

    .

    ."

    ."

    ."

    G "4iempo

               $           '           t           *

    /"r#as Eormales con Medias ig"ales peroDes#iaciones est'ndar diferentes

    /"r#as Eormales con Medias ig"ales peroDes#iaciones est'ndar diferentes

    σ = 3.1

    σ = 3.1

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    219/402

    µ = 20

    σ =

    3.9

    σ = 5.0σ =

    3.9σ = 5.0

    Eormales con Medias yDes#iaciones est'ndar diferentes

    Eormales con Medias yDes#iaciones est'ndar diferentes

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    220/402

    µ

    = 5,σ

     = 3µ = 9, σ = 6

    µ = 14, σ = 10

    µ

    = 5,σ

     = 3µ = 9, σ = 6

    µ = 14, σ = 10

    *a distri+"ción Eormal est'ndar

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    221/402

    221

    *a distri+"ción normal est'ndar es "na distri+"ción depro+a+ilidad q"e tiene media = y des#iación est'ndar de1.

    0l 'rea +a7o la c"r#a o la pro+a+ilidad desde menosinnito a m's innito #ale 1.

    *a distri+"ción normal es simtrica! es decir cada mitadde c"r#a tiene "n 'rea de =.3.

    *a escala Aori%ontal de la c"r#a se mide en des#iacionesest'ndar! s" n

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    222/402

    222

    -OSICI.N AM-LIT/D FO0MA

    1 O TENE0 C/AL2/IE0 COM3INACION

    Para la po'lación 7 se incluyen TODOS  los datos

    *a Distri+"ción Eormal

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    223/402

    22,

    K KLs KLs KL#sK7sK7sK7#s

    5µ−3σ µ−2σ µ−σ µ µ+σ µ+2σ µ+3σ

    Para la muestra

    a des!#ac#

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    224/402

    22

    z " #7"77#

    σ 8σ σ96σ68σ69σ5

    d#stanc#a de la med#a alunto de #n'le# *& /6$J& E>$M&*&$0& &Q> *& /6$J& E>$M&* 

    &$0& &Q> *& /6$J& E>$M&*&$0& &Q> *& /6$J& E>$M&* 

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    225/402

    &lrededor de *= > del area +a7o la c"r#anormal est' entre m's "na y menos "nades#iación est'ndar de la media. 0sto p"edeser escrito como: m 1s.

    /erca del ?1 > del 'rea +a7o la normal est'entre m's y menos 2 des#iaciones est'ndar dela media! m 2s.

    Pr'cticamente toda /??!@+ >4 el 'rea +a7o la

    normal esta entre , des#iaciones de la mediam ,s.

    &lrededor de *= > del area +a7o la c"r#anormal est' entre m's "na y menos "nades#iación est'ndar de la media. 0sto p"edeser escrito como:  m 1s.

    /erca del ?1 > del 'rea +a7o la normal est'entre m's y menos 2 des#iaciones est'ndar dela media!  m 2s.

    Pr'cticamente toda /??!@+ >4 el 'rea +a7o lanormal esta entre , des#iaciones de la media m ,s.

    Distri+"ción normal est'ndar con media W = y des#iaciónest'ndar W 1: Para j W (V - Vmedia )H s

    /'lc"los con 0?cel Dist. Eormal 0st'ndar

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    226/402

    224

    /. krea desde menos innito a "n #alor de > se o+tiene como sig"e:- /olocarse en "na celda #aca- &ccesar el men< de f"nciones con A# 0S&DSI/&S!

    DIS$.E>$M.0S&ED! dar #alor de j y o+tener el 'reareq"erida

    >  0rea

    4. 6n #alor de > especco para "na cierta 'rea (por e7emplo

    =.=3) se o+tiene como sig"e:- /olocarse en "na celda #aca

    8 &ccesar el men< de f"nciones con A# 0S&DSI/&S! oDIS$.E>$M.0S&ED.IEJ! dar #alor del 'rea y se o+tiene la >

    -ntre

    1. 49.24Y

    -ntre

    1. 49.24Y

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    227/402

    µ µ 1σ µ 2σ µ 3σ−1σ−2σ

      3σ

    1. 49.24Y

    2. ;3.Y

    ,. ;;.;5Y

    2. ;3.Y

    ,. ;;.;5Y

    /aractersticas de la Distri+"ción Eormal

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    228/402

    229

    +*4&)4 &)4

    #%4

    ##,(&4

    5"s

    5$s

    5&s

    0l #alor de j

    Determina el n

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    229/402

     población# m" Donde sigma es la desviaciónestándar de la población.

    0n 0?cel "sar A# -S6$7IS6IC$S#

    8O5:$LID$CI98# para calc"lar el #alor de j

    z F 6 µ

      σ

    -roceso con media 6"''y des7iaci8n est9ndar 6 "'

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    230/402

    +*4&)4 &)4

    #%4

    +*4

    ##,(&4

    +*4 $,&%+4$,&%+4

    (' *' #' "'' ""' "$' "&'

    #' ""'

    *' "$'

    (' "&'

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    231/402

    2,1

    kreas +a7o la c"r#anormal

    Distri+"ción normal est'ndar con media W = y des#iaciónest'ndar W 1: Para j W (V - Vmedia )H s

    /'lc"los con 0?cel Dist. Eormal 0st'ndar

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    232/402

    /. krea desde menos innito a "n #alor de > se o+tiene como sig"e:- /olocarse en "na celda #aca- &ccesar el men< de f"nciones con A# 0S&DSI/&S!

    DIS$.E>$M.0S&ED! dar #alor de j y o+tener el 'reareq"erida

    >  0rea

    4. 6n #alor de > especco para "na cierta 'rea (por e7emplo

    =.=3) se o+tiene como sig"e:- /olocarse en "na celda #aca

    8 &ccesar el men< de f"nciones con A# 0S&DSI/&S! oDIS$.E>$M.0S&ED.IEJ! dar #alor del 'rea y se o+tiene la >

    Distri+"ción normal! dadas "na media y des#iación est'ndar: /. krea desde menos innito a

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    233/402

    - /olocarse en "na celda #aca8 &ccesar el men< de f"nciones con A# 0S&DSI/&S!DIS$.E>$M! dar el #alor de V! Media! Des#iación 0st'ndar s!J0$D&D0$> y se o+tendr' el 'rea req"erida  <

      0rea

    4. 6n #alor de $M.IEJ! dar el #alor del 'rea! Media y Des#iación0st'ndar y se o+tendr' el #alor de la <

     /alc"lo de Pro+a+ilidades normales

    /alc"lo de Pro+a+ilidades normales

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    234/402

    1. Identicar la #aria+le de inters.2. Identicar los par'metros de la #aria+le (s"

    media y des#. est'ndar).

    ,. @/"al es la preg"nta 'rea +a7o la c"r#a depro+a+ilidad normalB

    . /on#ertir los #alores a la distri+"ción normalest'ndar (estandariEación D ) /F

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    235/402

    0l ag"a "sada diariamente por persona en M?icoest' distri+"ida normalmente con media 2= litrosy "na des#iación de 3 lts..

    H-ntre ue valores cae cerca del *=> el aguausada por una persona en :eico

    m 1s W 2= 1(3). 0sto es! cerca del 49Y de lacantidad "sada por persona cae entre (1 lts! y '1

    lts!!

    De manera similar para ;3Y y ;;Y! el inter#aloser' de (3 lts a %3 lts y 1 lts a %1 lts!

    0l ag"a "sada diariamente por persona en M?icoest' distri+"ida normalmente con media 2= litrosy "na des#iación de 3 lts..

    H-ntre ue valores cae cerca del *=> el aguausada por una persona en :eico

    m 1s W 2= 1(3). 0sto es! cerca del 49Y de lacantidad "sada por persona cae entre (1 lts! y '1

    lts!!

    De manera similar para ;3Y y ;;Y! el inter#aloser' de (3 lts a %3 lts y 1 lts a %1 lts!

     -.emplo-.emplo

    -.emplo-.emplo

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    236/402

    0l ag"a "sada diariamente por persona enM?ico es distri+"ida normalmente con media2= litros y "na des#iación de 3 lts. Sea F eluso diario de agua!

    Cual es la probabilidad ue una personaseleccionada al aEar use menos de '3 lts!dia

      0l #alor % asociado es E  W (2= - 2=)H3 W =.entonces!

    P(V X 2=) W P( E X =) W =.3.

    0l ag"a "sada diariamente por persona enM?ico es distri+"ida normalmente con media2= litros y "na des#iación de 3 lts. Sea F eluso diario de agua!

    Cual es la probabilidad ue una personaseleccionada al aEar use menos de '3 lts!dia

      0l #alor % asociado es E  W (2= - 2=)H3 W =.entonces!

    P(V X 2=) W P( E X =) W =.3.

    -.emplo-.emplo

    -.emplo-.emplo

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    237/402

    Jue porciento usa entre '3 y '+ lts  0l #al"e % asociado con V W 2= es E W = y con

    V W 2! E  W (2 - 2=)H3 W =.9.0ntonces! P(2= X V X 2) W P(= X E  X =.9) W

    P(=.9) - P(=) W =.5991- =.3 W =.2991 o 29.91Y.

    HJue porciento usa entre (* y '3 lts

      0l #alor %1 para V W 14 es  E( W (14 - 2=)H3 W -=.9! y para V W 2=! E' W =. 0ntonces! P(14 X V X 2=)W P(-=.9 X E X =) W P(=) - P(-=.9) ) 3!1 < 3!'((?) =.2991 W 29.91Y.

    Jue porciento usa entre '3 y '+ lts  0l #al"e % asociado con V W 2= es E W = y con

    V W 2! E  W (2 - 2=)H3 W =.9.0ntonces! P(2= X V X 2) W P(= X E  X =.9) W

    P(=.9) - P(=) W =.5991- =.3 W =.2991 o 29.91Y.

    HJue porciento usa entre (* y '3 lts

      0l #alor %1 para V W 14 es  E( W (14 - 2=)H3 W -=.9! y para V W 2=! E' W =. 0ntonces! P(14 X V X 2=)W P(-=.9 X E X =) W P(=) - P(-=.9) ) 3!1 < 3!'((?) =.2991 W 29.91Y.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    238/402

    =.9=.9

    P(= X % X=.9) W=.2991.

    P(= X % X=.9) W=.2991.

      EjemploEjemplo 

    EjemploEjemplo

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    239/402

    Cual es la probabilidad ue una personaseleccionada al aEar use mas de '= lts

    0l #alor % asociado a V W 29 es

     E  W (29 - 2=)H3 W 1.4. &Aora! P(V Z 29) W P( E  Z1.4) W 1 - P(% X 1.4) W 1 - =.;32 W =.=39.

    Cual es la probabilidad ue una personaseleccionada al aEar use mas de '= lts

    0l #alor % asociado a V W 29 es

     E  W (29 - 2=)H3 W 1.4. &Aora! P(V Z 29) W P( E  Z1.4) W 1 - P(% X 1.4) W 1 - =.;32 W =.=39.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    240/402

    P(% Z 1.4) W1 - =.;32W=.=39

    P(% Z 1.4) W1 - =.;32W=.=39

    &rea W

    =.;32

    &rea W=.;32

    1.6

     z 

      EjemploEjemplo 

    EjemploEjemplo

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    241/402

    HJue porcenta.e usa entre (= y '* lts

    0l #alor % asociado con V W 19 es E  W (19 - 2=)H3W -=.! y para V W 24!  E  W (24 - 2=)H3 W 1.2.entonces! P(19 X V X 24)W P(-=. X E X 1.2)W F(1.2) - F(-=.)W =.99; - =.,4 W =.3=,.

    HJue porcenta.e usa entre (= y '* lts

    0l #alor % asociado con V W 19 es E  W (19 - 2=)H3W -=.! y para V W 24!  E  W (24 - 2=)H3 W 1.2.

    entonces! P(19 X V X 24)W P(-=. X E X 1.2)W F(1.2) - F(-=.)W =.99; - =.,4 W =.3=,.

    07emplos

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    242/402

    22

    0l tiempo de #ida de las +ateras del cone7ito tiene "nadistri+"ción apro?imada a la normal con "na media de93.,4 Aoras y "na des#iación est'ndar de ,.55 Aoras.

    @K" porcenta7e de las +ateras se espera q"e d"ren9= Aoras o menosB

    @/"'l es la pro+a+ilidad de q"e "na +atera d"re entre94.= y 95.= AorasB

    @/"'l es la pro+a+ilidad de q"e "na +atera d"re m'sde 95 AorasB

    @K"e porcenta7e de las +ateras se espera q"e d"ren9= Aoras o menosB

    krea +a7o la c"r#a normal

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    243/402

    j W (?-m") H sj W (9=-93.,4)H(,.55)W - 3.,4H ,.55 W -1.2

    B!9H80

    67!8 0

    @/"'l es la pro+a+ilidad de q"e "na +aterad"re entre 94.= y 95.= AorasB

    krea +a7o la c"r#a normal

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    244/402

    0 1

    H B!9H

    @/"'l es la pro+a+ilidad de q"e "na +atera d"re

    krea +a7o la c"r#a normal

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    245/402

    *%,&+ *(m's de 95 AorasB

    1.45 W .,, ó ,,Y de las #eces "na +aterad"rar' m's de 95 Aoras

    /onsidere "na media de peso de est"diantes de53 \gs. con "na des#iación est'ndar de 1=\gs.

    /onsidere "na media de peso de est"diantes de53 \gs. con "na des#iación est'ndar de 1=\gs.

    07ercicios

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    246/402

    24

    /ontestar lo sig"iente:@/"'l es la pro+a+ilidad de q"e "n est"diante

    pese m's de 93\gs.B

    2. @/"'l es la pro+a+ilidad de q"e "n est"diantepese menos de 3=\gs.B

    ,. @/"'l es la pro+a+ilidad de q"e pese entre 4= y9= \gs.B.

    . @/"'l es la pro+a+ilidad de q"e pese entre 33 y5= \gs.B

    3. @/"'l es la pro+a+ilidad de q"e pese entre 93 y

    /ontestar lo sig"iente:@/"'l es la pro+a+ilidad de q"e "n est"diante

    pese m's de 93\gs.B

    2. @/"'l es la pro+a+ilidad de q"e "n est"diantepese menos de 3=\gs.B

    ,. @/"'l es la pro+a+ilidad de q"e pese entre 4= y9= \gs.B.

    . @/"'l es la pro+a+ilidad de q"e pese entre 33 y5= \gs.B

    3. @/"'l es la pro+a+ilidad de q"e pese entre 93 y1==\gs.B

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    247/402

    Distri+"ción 0?ponencial

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    248/402

    29

    Donde *am+da es la tasa de falla y tAeta es lamedia

    *a f"nción de densidad de la distri+"cióne?ponencial

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    249/402

    2;

    Distri+"ciones m"estrales

    & las distri+"ciones de los estadísticasmuestrales se les llama distribucionesmuestrales.

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    250/402

    23=

    POBLA!O"

    Distri+"ciones Deri#adas delm"estreo de Po+laciones Eormales

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    251/402

    231

    Po+lación

    M"estra

     $parecen distribucionesmuestrales

    @ormal, +)i8cuadrada, t8student, ;

    Distri+"ción de la Media:

    i t l t i * .l iXXX

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    252/402

    232

    i es #na m#estra aleatoria e #na *o.la!ion(;) !on istri.#!i

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    253/402

    23,

    Distri+"ción /Ai /"adrada

    0sta distri+"ción se forma al s"mar losc"adrados de las #aria+les aleatorias normales

    est'ndar.

    Si j es "na #aria+le aleatoria normal! entoncesel estadstico sig"iente es "na #aria+le

    aleatoria /Ai c"adrada con n grados de li+ertad.

    Distri+"ción de la #arian%a.

    $ d l di i+ ió 7i d d

  • 8/17/2019 SEIS_SIGMA_MEDICION_GB.ppt

    254/402

    23

    $epaso de la distri+"ción 7i-c"adrada.

    *a f"nción de densidad de pro+a+ilidad con Ugrados de li